申请/专利权人：山东大学

申请日：2022-03-14

公开（公告）日：2024-04-26

公开（公告）号：CN114677755B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/80;G06V10/77;G06V10/82;G06N3/0464;G06N3/045;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.07.15#实质审查的生效;2022.06.28#公开

摘要：本发明涉及一种基于分层及分块特征融合的跨视角步态识别方法，包括：构建并训练基于分层及分块特征融合网络模型；将待识别身份的步态剪影图序列送入训练好的基于分层及分块特征融合网络模型获取步态特征，通过与注册数据集进行特征相似性比对完成查询样本的身份识别；构建基于分层及分块特征融合网络模型，包括：依次构建分层步态识别框架、部分特征混合掩膜、骨架网络、分级水平金字塔、分块特征融合模块；本发明提出的分层步态识别框架，打破通用步态识别框架先提取特征再进行特征映射的先后顺序，可以从特征提取的任意阶段获取特征进行映射，使用高级特征与低级特征相结合的方式，具有更好的效果以及更大的灵活性。

主权项：1.一种基于分层及分块特征融合的跨视角步态识别方法，其特征在于，包括：构建并训练基于分层及分块特征融合网络模型；将待识别身份的步态剪影图序列送入训练好的基于分层及分块特征融合网络模型获取步态特征，通过与注册数据集进行特征相似性比对完成查询样本的身份识别，完成跨视角步态识别；其中，构建基于分层及分块特征融合网络模型，包括：依次构建分层步态识别框架、部分特征混合掩膜、骨架网络、分级水平金字塔、分块特征融合模块；构建部分特征混合掩膜使得步态序列中的行人剪影预先包含其他部位特征；构建骨架网络进行初步的特征提取；构建分级水平金字塔增加网络深度，充分利用步态序列的高级特征和低级特征，构建分级水平金字塔结构，搭配瓶颈结构实现以最小的计算成本提升网络深度，并同时进行通道的平滑连接；构建分块特征融合模块对各个分块特征进行二次分配；构建分层步态识别框架，是指：从逻辑上将基于分层及分块特征融合网络模型即步态识别网络分为特征提取层、特征连接层和特征映射层，从特征提取各个阶段直接获取特征进行映射；部分特征混合掩膜通过从步态轮廓序列中获取到一个包含各个身体部位的关系矩阵，其矩阵维度与分块数量有关，该关系矩阵经过与原图像序列乘积得到序列中每张图像的掩膜，覆盖回原图像；构建部分特征混合掩膜，是指：对输入的步态剪影图序列进行预增强，从序列生成混合了各个分块特征的掩膜并覆盖原来的剪影图序列；构建分级水平金字塔，是指：分级水平金字塔包括帧池化层及瓶颈结构；从骨架网络提取的各个阶段特征首先输入帧池化层提取最大能量帧，将各个阶段提取到的最大能量帧通过若干层瓶颈结构，以极小的计算成本进行网络深度的扩展，随后将各个阶段特征按特定分块组合进行分块；构建分块特征融合模块，是指：分块特征融合模块用于对分级水平金字塔分块后的特征进行二次分配；分块特征融合模块通过计算各个分块之间的关系系数矩阵，对各个分块的特征进行重新分配，使各个分块融合其他相邻与不相邻分块特征，增强特征的辨别性。

全文数据：

权利要求：

百度查询： 山东大学 一种基于分层及分块特征融合的跨视角步态识别方法

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