[发明专利]一种黑暗环境下热红外人体步态识别方法及装置

说明书

本申请涉及一种黑暗环境下热红外人体步态识别方法及装置。所述方法包括：利用人体区域检测样本训练YOLOv5x模型，得到训练完成的YOLOv5x模型；获取待识别视频图像；根据训练完成的YOLOv5x模型对待识别视频图像进行人体检测，得到人体区域框；采用跟踪算法对人体区域框进行跟踪，得到人体区域时间序列；根据Top‑down方法对人体区域时间序列进行骨架提取，得到人体骨架时间序列；根据预先训练的时空图卷积神经网络对人体骨架时间序列进行步态特征提取；根据步态特征，进行人体步态识别。采用本方法能够提高步态识别的准确性和鲁棒性。

技术领域

本申请涉及生物识别领域，特别是涉及一种黑暗环境下热红外人体步态识别方法、装置、计算机设备和存储介质。

背景技术

步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别。其基本目标是通过获取一段待检测行人正常行走的视频，与已经存储好的行人行走视频作对比，找出待检测行人的对应于数据库中人物的身份。步态识别是当前生物识别的前沿方向，面临很大的技术挑战，而黑暗环境下的热红外图像更丢失了人体RGB信息，此种场景下的步态识别是世界性难题。

然而，目前的步态识别是一般是基于步态视频序列提取步态能量图训练卷积神经网络，步态能量图受人体衣着等外观影响较大，训练的模型不够鲁棒或者，还有获取视频中的人体关键点特征向量序列训练神经网络，关键点转化为特征向量后在一定程度上丢失了空间位置的相关性，准确率不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高步态识别的准确性和鲁棒性的一种黑暗环境下热红外人体步态识别方法、装置、计算机设备和存储介质。

一种黑暗环境下热红外人体步态识别方法，所述方法包括：

采集黑暗环境下的热红外人体图像；

对人体图像进行标注，得到人体区域检测样本；

利用人体区域检测样本训练YOLOv5x模型，得到训练完成的YOLOv5x模型；

获取待识别视频图像；根据训练完成的YOLOv5x模型对待识别视频图像进行人体检测，得到人体区域框；

采用跟踪算法对人体区域框进行跟踪，得到人体区域时间序列；

根据Top-down方法对人体区域时间序列进行骨架提取，得到人体骨架时间序列；

根据预先训练的时空图卷积神经网络对人体骨架时间序列进行步态特征提取；根据步态特征，进行人体步态识别。

在其中一个实施例中，从人体区域检测样本中获取行人对应的人体关键点序列，将人体关键点序列输入至时空图卷积神经网络进行网络训练，得到训练完成的时空图卷积神经网络；人体关键点序列为带有人体身份标签的拓扑序列。

在其中一个实施例中，采用跟踪算法对人体区域框进行跟踪，得到人体区域时间序列，包括：采用Deep SORT算法对人体区域进行跟踪，得到多帧时间序列中每个人的人体区域的人体对应关系；根据人体对应关系，确定每个人的人体区域时间序列。

在其中一个实施例中，根据Top-down方法对人体区域时间序列进行骨架提取，得到人体骨架时间序列，包括：将人体区域时间序列输入HigherHRNet网络，得到热力图时间序列；对热力图时间序列中的热力图取局部最大值，得到人体骨架时间序列。。

在其中一个实施例中，时空图卷积神经网络包括注意力机制层、图卷积层、时间卷积层、池化层、全连接层以及输出层。