[发明专利]基于对抗网络的步态识别方法、装置、设备及介质

说明书

本申请提供了一种基于对抗网络的步态识别方法、装置、设备及介质，该方法包括：获取待检测目标的视频数据；采用预设算法对视频数据进行分割提取处理，确定待检测目标的步态能量图集，步态能量图集包括任意角度的步态能量图；将任意视角的步态能量图集输入预先训练的步态视角转换网络中进行处理，得到目标视角的步态能量图集；将目标视角的步态能量图集输入预先训练的孪生神经网络模型中进行处理计算目标视角的步态能量图集与标准视角的步态能量图集的相似度；基于相似度，对待检测目标进行步态识别处理。该方法能够准确地对待检测目标进行步态识别，提高了身份识别的效率，能够为行人信息查询、身份追踪和查询等应用带来了快捷精准的数据支持。

技术领域

本发明涉及计算机视觉和机器学习技术领域，尤其涉及一种基于对抗网络的步态识别方法、装置、设备及介质。

背景技术

随着人工智能技术的快速发展，其能够与探测传感技术、生物特征识别技术等相互结合，从而构建智能化安全平台，实现公共场合的智能报警、智能控制、智能犯罪侦查、智能反恐等功能，从而保障了人民的安全。其中，图像视频识别是对行人轨迹进行描述和对某些特定人员进行检索的重要步骤，尤其是进行步态特征识别。步态特征，是人在行走过程中的身体轮廓、姿态、肢体的变化等特征，通过人的走路姿态和体型进行身份识别，具有非常高的应用价值。

目前，现有技术中是通过采集人脸、指纹、虹膜、人的体型、衣着、携带物等信息对目标对象进行识别和追踪，然而，当目标对象带上帽子、口罩或进行伪装时，导致对目标对象识别的准确率较低。

发明内容

有鉴于此，本发明提供一种基于对抗网络的步态识别方法、装置、设备及介质，至少部分解决现有技术中存在的问题。

第一方面，本申请提供了一种基于对抗网络的步态识别方法，该方法包括：

获取待检测目标的视频数据；

采用预设算法对所述视频数据进行分割提取处理，确定所述待检测目标的步态能量图集，所述步态能量图集包括任意角度的步态能量图；

将所述任意视角的步态能量图集输入预先训练的步态视角转换网络中进行处理，得到目标视角的步态能量图集；

将所述目标视角的步态能量图集输入预先训练的孪生神经网络模型中进行处理计算所述目标视角的步态能量图集与标准视角的步态能量图集的相似度；

基于所述相似度，对所述待检测目标进行步态识别处理。

在其中一个实施例中，采用预设算法对所述视频数据进行分割提取处理，确定所述待检测目标的步态能量图集，包括：

对所述视频数据进行分割提取处理，得到步态二值图像；

确定所述步态二值图像的质心和上下左右方位对应的边界点；

以所述质心为中心，质心与每个方位对应的边界点之间的距离为裁剪距离进行裁剪处理，得到步态轮二值图像序列；

对每个周期内的步态轮二值图像序列进行平均值处理，确定步态能量图集。

在其中一个实施例中，所述步态视角转换网络通过如下步骤构建：

获取任意视角的历史步态能量图集和目标视角的历史步态能量图；

将所述任意视角的历史步态能量图集和目标视角的历史步态能量图通过初始生成器进行映射处理，得到映射后的任意视角的步态能量图集和映射后的目标视角的步态能量图集；

基于所述任意视角的历史步态能量图集、所述目标视角的历史步态能量图集、映射后的任意视角的步态能量图集和映射后的目标视角的步态能量图集通过初始判别器构建损失函数；

按照损失函数最小化对所述初始判别器和所述初始生成器进行训练处理，得到步态视角转换网络。