申请/专利权人：华南农业大学

申请日：2023-11-24

公开（公告）日：2024-03-19

公开（公告）号：CN117727090A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/774;G06N3/0455;G06V10/40;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种基于遮挡修复的多步态识别方法，步骤如下：预处理多人同行步态数据集、检测和跟踪人物、生成单一个体的步态RGB图像、对步态RGB图像进行遮挡修复、提取黑白轮廓图像输入步态识别网络、步态识别网络计算欧式距离度量和特征相似度并输出行人身份信息识别结果。本发明实现了一种基于遮挡修复的多步态识别方法，对步态表征进行修复和补充，提高步态识别准确率，解决复杂情况下无法进行行人步态识别的问题。

主权项：1.一种基于遮挡修复的多步态识别方法，其特征在于，所述步态识别方法包括以下步骤：S1、在室内场景下收集并整理多人同行步态视频，采集多个视角下1人、2人和3人共同行走视频，得到步态视频序列，将步态视频序列作为多步态数据集，并分为训练集和测试集两部分；S2、从步态视频序列中提取单一人物的RGB步态序列图像；S3、从所述单一人物的RGB步态序列图像中提取人物3D姿态，得到被遮挡的3D姿态步态序列；S4、训练运动填充器，并利用运动填充器，补充所述被遮挡的3D姿态步态序列，得到无遮挡的3D姿态步态序列，其中，所述运动填充器采用Transformer架构，包括识别网络、生成网络和条件网络，所述识别网络使用Transformer编码器将非连续3D姿势编码为上下文序列；所述生成网络通过Transformer解码器和多层感知器MLP使用潜在码和上下文序列生成无遮挡运动，所述条件网络生成潜在码z的高斯分布；S5、对所述无遮挡的3D姿态步态序列降维，生成二维的黑白轮廓步态序列图像；S6、将所述黑白轮廓图像输入步态识别网络进行特征提取得到二维图像步态特征；S7、将步骤S6得到的二维图像步态特征与多步态数据集中不同步态视频序列进行特征相似度计算，同时用损失函数L显示预测值和实际值之间的差距，并通过反向传播更新参数对步态识别网络进行训练，当损失函数L的取值小于设定阈值，完成训练；S8、采集行人步态视频执行步骤S2-S6得到二维图像步态特征，计算二维图像步态特征与多步态数据集中不同步态视频序列特征相似度，以相似度最高的步态视频序列对应的样本ID作为多步态识别结果。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于遮挡修复的多步态识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD