申请/专利权人：元神科技(杭州)有限公司

申请日：2020-09-09

公开（公告）日：2024-04-05

公开（公告）号：CN112101176B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/82;G06V10/774;G06N3/042;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.01.05#实质审查的生效;2020.12.18#公开

摘要：本发明提供一种结合用户步态信息的用户身份识别方法及系统，包括：利用二维姿态估计系统对原始数据集的视频序列中每一帧的行人对象进行姿态检测，提取姿态信息。然后对提取到的关节坐标序列进行预处理操作，生成人体骨骼数据集。最后构建时空图卷积网络模型，将骨架图划分为六个子图，在它们之间共享关节，使用图卷积网络学习识别模型，利用构建的数据集进行训练，采用将分类损失和对比损失结合的多损失策略，并使用随机梯度下降进行网络参数的优化，使用验证集对训练出的模型的准确率进行预测。本发明充分利用关节点的有效信息，尽量保留时间维度上的运动状态，对衣着的变化和携带状态具有较高的鲁棒性，并且在跨视角任务上具有良好的泛化能力。

主权项：1.一种结合用户步态信息的用户身份识别方法，其特征在于，包括如下步骤：确定用户的步态数据集；并对所述步态数据集中的每一视频帧进行姿态估计，确定每一视频帧的姿态关键点坐标；所述步态数据集为多个包含有用户的步态信息的视频帧；基于用户姿态关键点坐标构建用户骨骼数据集；所述用户骨骼数据集包含用户各个关节点的坐标；在每一帧内部按照用户的骨骼结构基于所述用户骨骼数据集将用户各个关节点的坐标连接作为空间边，将相邻两帧的相同关节点连接作为时间边以构建用户骨骼时空拓扑图；将所述用户骨骼时空拓扑图输入到时空图卷积网络模型，结合所述时空图卷积网络模型中预先存储的不同用户的步态信息识别用户的身份信息；所述时空图卷积网络模型包括多层骨干网络，每层骨干网络包括空域卷积网络SGCN和时域卷积网络TCN，所述SGCN和TCN以相邻串接形式传递特征；在SGCN中，输入特征经卷积核的卷积层后，结合注意力机制，提取输入特征中一阶邻域内关节点相互作用下的高维分化空间特征，并将高维分化空间特征输入TCN；在TCN中，所述高维分化空间特征经批量归一化层归一化时域特征分布，并利用线性整流函数激活，进而作为卷积核的卷积层的输入，最终实现多个连续时域内用户关节特征的有效表达，提取空间维度和时序维度上的高维特征；通过堆叠级联的多层骨干网络，完成输入特征空间到高维特征空间的非线性映射，得到高维分化特征；利用池化层与全连接层输出所述高维分化特征；所述高维分化特征用于识别用户的身份信息。

全文数据：

权利要求：

百度查询： 元神科技(杭州)有限公司 一种结合用户步态信息的用户身份识别方法及系统

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