一種基于卷積神經(jīng)網(wǎng)絡(luò)多層次特征的步態(tài)識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202111317122.X 申請(qǐng)日 -
公開（公告）號(hào) CN114140873A 公開（公告）日 2022-03-04
申請(qǐng)公布號(hào) CN114140873A 申請(qǐng)公布日 2022-03-04
分類號(hào) G06V40/20（2022.01）I;G06V10/44（2022.01）I;G06V10/80（2022.01）I;G06V10/74（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 查杭;楊波 申請(qǐng)（專利權(quán)）人 武漢眾智數(shù)字技術(shù)有限公司
代理機(jī)構(gòu) 北京匯澤知識(shí)產(chǎn)權(quán)代理有限公司 代理人 吳靜
地址 430074湖北省武漢市東湖新技術(shù)開發(fā)區(qū)珞喻路546號(hào)
法律狀態(tài) -

摘要

摘要 一種基于卷積神經(jīng)網(wǎng)絡(luò)多層次特征的步態(tài)識(shí)別方法，包括：讀取輸入的步態(tài)圖像序列，并對(duì)圖像序列進(jìn)行預(yù)處理；通過不同卷積大小的特征提取分支對(duì)圖像序列進(jìn)行不同層次的特征提?。粚?duì)提取的不同層次的特征進(jìn)行不同方式的融合，得到最終用于步態(tài)識(shí)別的特征并進(jìn)行存儲(chǔ)；根據(jù)特征圖及標(biāo)簽，利用損失函數(shù)計(jì)算損失，并采用反向傳播算法更新卷積神經(jīng)網(wǎng)絡(luò)模型，直到滿足預(yù)設(shè)條件時(shí)，生成最終識(shí)別模型；將待識(shí)別步態(tài)目標(biāo)輸入到最終識(shí)別模型，并將模型輸出結(jié)果與已存儲(chǔ)的特征值進(jìn)行匹配，將與已存儲(chǔ)的特征值中相似度最高的結(jié)果為識(shí)別結(jié)果。本發(fā)明對(duì)輸入的步態(tài)輪廓圖進(jìn)行了在線的數(shù)據(jù)增強(qiáng)，增加了輸入數(shù)據(jù)的多樣性，提高了算法在實(shí)際情景下對(duì)行人輪廓的魯棒性。