[发明专利]一种步态识别方法及装置

权利要求书

1.一种步态识别方法，其特征在于，包括：

获取待识别视频中任一行人对应的人体关键点特征向量序列；

将所述人体关键点特征向量序列输入至目标神经网络，所述目标神经网络的输出结果为所述人体关键点特征向量序列对应的各身份预测概率，根据所述目标神经网络的输出结果，识别所述人体关键点特征向量序列对应的行人身份；

其中，所述目标神经网络为长短期记忆网络，所述长短期记忆网络基于所述人体关键点特征向量序列中各特征向量在时间维度和空间维度上的特征，识别所述人体关键点特征向量序列对应的行人身份；

所述目标神经网络是根据带有行人身份标签的人体关键点特征向量序列进行训练后得到的；

所述将所述人体关键点特征向量序列输入至目标神经网络，之前还包括：

获取多个样本视频和每一样本视频中每一行人对应的行人身份标签，并获取每一样本视频中每一行人对应的人体关键点特征向量序列；

将每一行人对应的人体关键点特征向量序列和行人身份标签的组合作为一个训练样本，得到多个训练样本并组成训练集；

通过所述训练集对原始神经网络进行训练，得到所述目标神经网络。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别视频中任一行人对应的人体关键点特征向量序列，包括：

获取待识别视频，所述待识别视频中包括若干个行人；

对所述待识别视频进行采样，得到多帧图像并组成采样图像序列；

将所述采样图像序列输入至人体关键点检测模型，得到所述待识别视频中任一行人对应的人体关键点特征向量序列。

3.根据权利要求1所述的方法，其特征在于，所述通过所述训练集对原始神经网络进行训练，得到所述目标神经网络，包括：

将所述训练集中的任一训练样本输入至所述原始神经网络，根据所述原始神经网络的输出结果和所述训练样本中的行人身份标签计算所述原始神经网络的损失值；

若所述损失值小于第一预设阈值，则将所述原始神经网络作为所述目标神经网络。

4.根据权利要求1所述的方法，其特征在于，所述通过所述训练集对原始神经网络进行训练，得到所述目标神经网络，包括：

将所述训练集中的任一训练样本输入至所述原始神经网络，根据所述原始神经网络的输出结果和所述训练样本中的行人身份标签计算所述原始神经网络的损失值；

若所述损失值小于第一预设阈值，则将所述原始神经网络作为候选神经网络；

多次调整所述神经网络的结构，每调整一次则重复执行训练过程以得到对应的候选神经网络，并从得到的多个候选神经网络中选择一个作为所述目标神经网络。

5.根据权利要求4所述的方法，其特征在于，所述从得到的多个候选神经网络中选择一个作为所述目标神经网络，包括：

从所述多个候选神经网络中，选择损失值小于第二预设阈值的若干个候选神经网络；

基于验证集对所述若干个候选神经网络中的每一候选神经网络进行验证，得到每一候选神经网络的准确率，并将准确率最高的候选神经网络作为所述目标神经网络。