[发明专利]一种基于多生物特征自适应融合的身份识别方法及系统

权利要求书

1.一种基于多生物特征自适应融合的身份识别方法，其特征在于，包括：

获取待识别视频序列，并从所述待识别视频序列中获取一个步态周期内的视频序列得到周期视频；所述待识别视频序列中包括待识别人；

获取所述待识别人在所述周期视频中每一帧对应的PAF矩阵得到行走特征矢量图；所述PAF矩阵包括四肢的PAF和躯干的PAF；

将所述行走特征矢量图分别输入第一卷积神经网络和长短时记忆神经网络得到空间特征矩阵和时间特征矩阵；

将所述空间特征矩阵和所述时间特征矩阵进行特征融合得到所述待识别人的步态特征矩阵；

获取所述待识别视频序列中待识别人的人脸图像并使用自适应加权HOG特征的人脸识别算法对所述待识别人的人脸图像进行处理得到人脸特征矩阵；

采用基于SVM的自适应加权融合算法对所述人脸特征矩阵、所述步态特征矩阵和图像数据库中的标准图像进行处理得到所述待识别人的身份识别结果。

2.根据权利要求1所述的一种基于多生物特征自适应融合的身份识别方法，其特征在于，所述步态周期的确定方法为：

将所述待识别视频序列输入训练好的第二卷积神经网络得到所述待识别人的步态周期。

3.根据权利要求1所述的一种基于多生物特征自适应融合的身份识别方法，其特征在于，在所述采用自适应加权融合算法对所述人脸特征矩阵、所述步态特征矩阵和图像数据库中的标准图像进行处理得到所述待识别人的身份识别结果之前还包括：

对所述人脸特征矩阵进行降维处理得到降维后的人脸特征矩阵。

4.根据权利要求1所述的一种基于多生物特征自适应融合的身份识别方法，其特征在于，所述获取所述待识别视频序列中待识别人的人脸图像并使用自适应加权HOG特征的人脸识别算法对所述待识别人的人脸图像进行处理得到人脸特征矩阵，具体包括：

获取所述待识别视频序列中所述待识别人的人脸图像；

将所述待识别人的人脸图像划分成大小相同的细胞单元；

根据各细胞单元内像素梯度的方向及幅值计算各细胞单元的梯度直方图；

将所有细胞单元的梯度直方图确定为人脸特征矩阵。

5.根据权利要求1所述的一种基于多生物特征自适应融合的身份识别方法，其特征在于，所述采用基于SVM的自适应加权融合算法对所述人脸特征矩阵、所述步态特征矩阵和图像数据库中的标准图像进行处理得到所述待识别人的身份识别结果，具体包括：

将所述步态特征矩阵和所述人脸特征矩阵分别对基图像形成的坐标系进行投影得到步态投影矩阵和人脸投影矩阵；

根据所述步态投影矩阵计算所述待识别视频序列中的图像与图像数据库中的各标准图像的步态欧氏距离得到步态欧式距离数组；根据所述人脸投影矩阵计算所述待识别视频序列中的图像与图像数据库中的各标准图像的人脸欧氏距离得到人脸欧式距离数组；

根据所述步态欧式距离数组、所述人脸欧式距离数组、所述步态特征矩阵的拒识率和所述人脸特征矩阵的拒识率计算步态置信度和人脸置信度；

根据所述步态置信度计算步态融合权重，根据所述人脸置信度计算人脸融合权重；

根据所述步态融合权重和所述人脸融合权重得到所述待识别人的身份识别结果。