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。