申请/专利权人：北京理工大学

申请日：2024-01-23

公开（公告）日：2024-04-02

公开（公告）号：CN117809378A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/82;G06V10/74;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种基于提示模版的通用步态识别方法及系统，属于计算机视觉与生物识别技术领域。本方法从复杂现实场景中学习到更加鲁棒的局部运动模式，然后采用共享学习空间提供提示模版即插即用的与序列特征结合，并进一步提取步态运动特征，有效实现了在复杂场景中现实数据上的高精度识别，为显示场景中识别行人身份等提供了一种新的解决方案。

主权项：1.一种基于提示模版的通用步态识别方法，其特征在于，包括以下步骤：步骤1：获取原始步态视频数据，并获得复杂现实场景中的步态剪影序列；步骤2：对摄像头获取的步态视频数据进行预处理，获得原始步态剪影序列；步骤3：利用骨干网络，提取输入序列的全局步态特征；其中，输入的步态序列由连续帧组成，相邻帧之间存在动作的变化，采样帧的数目不限；骨干网络采用深层卷积网络提取全局运动模式，利用时间维度前向循环移位操作增加网络在时域上的感受野；步骤4：将每个局部特征与视觉空间中可训练参数进行比对，挑选出适合的提示模版；步骤5：针对每个包含提示模版的局部特征，利用自注意力模型建立时间维度上特征之间的关联，进一步提取步态特征；其中，自注意力模型建立提示模版与原始序列特征之间的关联，充分利用提示模版的信息选择鲁棒的步态特征，并去除干扰信息；步骤6：利用三元组损失和交叉熵损失联合约束每个部位的全局运动模式，并采用加权求和的方式计算联合损失；最后，利用反向传播算法对步态神经网络的参数进行迭代更新。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于提示模版的通用步态识别方法及系统

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