申请/专利权人：重庆邮电大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117809373A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/82;G06N3/0464;G06V20/40;G06V10/80;G06N3/08;G06V10/62

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多尺度3D卷积与时空注意力的步态识别系统，属于步态识别技术领域，包括步态轮廓图像采集模块：用于采集得到步态轮廓图像序列；初级时空特征生成模块：用于利用3D卷积块获得初级步态特时空特征F；多尺度层次3D卷积模块：包括三条支路，第一支路用于提取部分级尺度的时空特征FLi；第二支路用于获取步态的整体时空特征FG；第三支路用于基于FLi和FG，得到最终的多尺度融合特征FM；特征融合模块：用于采用时间注意力机制对时间和空间特征进行融合；模型训练模块：采用三元组损失函数和交叉熵损失函数联合训练步态识别模型；步态识别模块：利用训练好的步态识别模型对视频中的步态进行识别。

主权项：1.一种基于多尺度3D卷积与时空注意力的步态识别系统，其特征在于：包括：步态轮廓图像采集模块：用于从视频中获取顺序帧并进行预处理，按时间维度拼接得到步态轮廓图像序列；初级时空特征生成模块：用于利用3D卷积块，将步态轮廓图像序列处理获得初级步态特时空特征F；多尺度层次3D卷积模块：包括三条支路，第一支路用于将初级步态时空特征F水平划分成4个部分，每个部分采用一个3D卷积块进行卷积，以提取部分级尺度的时空特征FLi；第二支路用于利用一个3D卷积块对整个初级步态时空特征F进行3D卷积，从全局尺度获取步态的整体时空特征FG；第三支路用于将特征FLi和FG进行级联，然后再通过3D卷积块处理并展平，得到最终的多尺度融合特征FM；特征融合模块：用于采用时间注意力机制对时间和空间特征进行融合；模型训练模块：采用三元组损失函数和交叉熵损失函数联合训练步态识别模型；步态识别模块：利用训练好的步态识别模型对视频中的步态进行识别。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于多尺度3D卷积与时空注意力的步态识别系统

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