[发明专利]一种基于层级实时记忆的步态识别方法

摘要

本发明公开了一种基于层级实时记忆的步态识别方法，在新个体学习阶段，通过获取该个体不同角度的步态图片序列训练样本，以训练层级实时记忆模型，且输出层得到训练样本的聚类结果，然后根据聚类结果与身份和角度标记，计算层级实时记忆模型的输出层中的条件概率；在身份识别阶段，通过获取待识别个体的步态图片序列，层级实时记忆模型的输出层得到待识别个体的步态图片序列的聚类结果，选择与聚类结果对应的条件概率最高的身份和角度标记，作为待识别个体的身份和角度。本发明方法不但可以提取时间特征，而且多视角的共同训练克服了以往步态识别单视角的局限性，提高了步态识别的识别率。

主权项

1.一种基于层级实时记忆的步态识别方法，其特征在于，包括以下步骤：新个体学习阶段：步骤1.1，获取新个体不同角度的步态视频，对每个步态视频做好身份和角度标记；步骤1.2，将步态视频拆分成连续的单帧图像并进行预处理，得到一组连续步态图像，对该组连续步态图像进行处理获取步态图片序列；步骤1.3，将新个体每个角度的步态图片序列分别作为训练样本，输入并训练层级实时记忆模型，且层级实时记忆模型的输出层得到训练样本的聚类结果；根据步态图片序列训练样本的聚类结果与身份和角度标记，计算层级实时记忆模型的输出层中的条件概率；所述条件概率是指在得到训练样本的聚类结果的条件下，其真实的标记为训练样本的身份和角度标记的概率；身份识别阶段：步骤2.1，获取待识别个体某个角度的步态视频，如步骤1.1和步骤1.2对待识别个体的步态视频进行处理，得到待识别个体的步态图片序列；步骤2.2，将待识别个体的步态图片序列输入到层级实时记忆模型中，层级实时记忆模型的输出层得到待识别个体的步态图片序列的聚类结果，选择与待识别个体的步态图片序列的聚类结果对应的条件概率最高的身份和角度标记，作为待识别个体的身份和角度。