[发明专利]基于深度序分布回归的步态年龄估计方法

摘要

本发明属于计算机视觉和机器学习技术领域，具体为一种基于深度序分布回归的步态年龄估计方法。本发明包括：步态视频序列预处理，将预处理好的视频序列拍成步态能量图，并将步量图分割成不重叠的头部、身体部、下半身部三个部分；序回归方法进行数据划分，对于有序的K分类问题，将K分类问题转换成一系列二分类问题，即训练K‑1个二分类器；用全局与局部卷积神经网络提取特征，即用一个全局网络和三个子网络分别提取全局步态特征和三个局部步态特征；利用序分布损失函数训练网络模型，其中损失函数的设计考虑了交叉熵损失和分布损失。本发明可以更好的优化网络，明显的提升步态年龄预测的准确性。

主权项

1.一种基于深度序分布回归的步态年龄估计方法，其特征在于，具体步骤为：(1)步态视频序列预处理先做行人检测与对齐，接着做目标与背景的分割，然后将预处理好的视频序列拍成步态能量图，该步态能量图记为GEI；并将GEI分割成不重叠的头部、身体部、下半身部三个部分；(2)序回归方法的数据划分对于有序的K分类问题，将K分类问题转换成一系列二分类问题，也就是训练K‑1个二分类器；(3)用全局与局部卷积神经网络提取特征用一个全局网络和三个子网络分别提取全局步态特征和三个局部步态特征，三个局部步态特征即为头部、上身部、下半身部的步态特征；(4)利用序分布损失函数训练网络模型损失函数的设计，既考虑交叉熵损失，也考虑分布损失：(a)交叉熵损失函数为:其中，N是样本数量，K是类别数量，表示第i个样本的第k个二分类的真实值，是对应的预测值；(b)EMD分布损失函数为：其中，CDF是累积分布函数；(c)总的损失函数为：表示总的损失函数，表示交叉熵损失函数，表示分布损失函数，λ是超参数，用于平衡分布损失的影响。