[发明专利]基于步态特征的人物识别方法及装置

权利要求书

1.一种基于步态特征的人物识别方法，其特征在于，包括：

获取目标人物的运动图像序列；

根据所述运动图像序列提取所述目标人物的各运动关节点的三维坐标，并根据所述三维坐标构建所述目标人物的三维坐标矩阵；

根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵；

通过第一模型网络从所述运动特征矩阵中提取出所述目标人物的步态特征，并根据所述步态特征对所述目标人物进行身份识别。

2.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，还包括：

获取采集的所述目标人物的视频数据；

针对所述视频数据中的每一帧图像采用第二模型网络对所述目标人物进行识别并进行人物图像提取，得到所述目标人物的所述运动图像序列。

3.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述根据所述运动图像序列提取所述目标人物的各运动关节点的三维坐标，包括：

分别针对所述运动图像序列中的每个图像通过Openpose2D提取所述目标人物的各运动关节点的二维坐标；

用Openpose3D将所述二维坐标转换为三维坐标。

4.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述三维坐标矩阵中包含：膝关节节点对应的三维坐标、髋关节节点对应的三维坐标以及踝关节节点对应的三维坐标；所述运动特征矩阵具体包括：膝关节运动特征；

所述根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵，具体包括：

根据膝关节节点对应的三维坐标、髋关节节点对应的三维坐标以及踝关节节点对应的三维坐标确定所述目标人物的膝关节运动特征。

5.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述三维坐标矩阵中包含：膝关节节点对应的三维坐标和踝关节节点对应的三维坐标；所述运动特征矩阵具体包括：足角特征；

所述根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵，具体包括：

根据膝关节节点对应的三维坐标和踝关节节点对应的三维坐标确定所述目标人物的足角特征。

6.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述三维坐标矩阵中包含：膝关节节点对应的三维坐标和髋关节节点对应的三维坐标；所述运动特征矩阵具体包括：重心偏离特征；

所述根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵，具体包括：

根据膝关节节点对应的三维坐标和髋关节节点对应的三维坐标确定所述目标人物的重心偏离特征。

7.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述三维坐标矩阵中包含：踝关节节点对应的三维坐标和头部关节节点对应的三维坐标；所述运动特征矩阵具体包括：身体垂直高度与步长特征；

所述根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵，具体包括：

根据踝关节节点对应的三维坐标和头部关节节点对应的三维坐标确定所述目标人物的身体垂直高度与步长特征。

8.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述三维坐标矩阵中包含：膝关节节点对应的三维坐标和头部关节节点对应的三维坐标；所述运动特征矩阵具体包括：人体结构运动特征；

所述根据所述三维坐标矩阵确定所述目标人物的运动特征矩阵，具体包括：

根据膝关节节点对应的三维坐标和头部关节节点对应的三维坐标确定所述目标人物的人体结构运动特征。

9.根据权利要求1所述的基于步态特征的人物识别方法，其特征在于，所述第一模型网络包括：Conformer网络；所述第二模型网络包括：YOLOv5网络。