[发明专利]一种步态识别方法、系统、嵌入式终端及可读性存储介质

说明书

本发明公开了一种步态识别方法，包括以下步骤：将GaitSet算法模型移植入嵌入式终端；通过嵌入式终端获取视频数据，基于Kafka分布式消息系统对所述视频数据进行处理；通过嵌入式终端获取处理后的所述视频数据，并将所述视频数据发送给所述GaitSet算法模型进行步态识别。本发明还公开了一种步态识别系统、嵌入式终端及可读性存储介质。通过本发明的方案实现了嵌入式终端与监控设备的端对端应用，提高了嵌入式终端的步态识别准确率，以及对获取的视频数据的实时、高效处理。

技术领域

本发明涉及终端识别技术领域，尤其涉及一种步态识别方法、系统、嵌入式终端及可读性存储介质。

背景技术

步态识别是一种新兴的生物特征识别技术，旨在通过视频数据中人们走路姿态进行身份识别，与其他生物识别技术相比，步态识别具有非接触、远距离和不易伪装的优点。随着深度学习技术在计算机视觉各领域的应用，涌现了大量基于深度学习的步态识别方法。但是，目前公开的基于深度学习的步态识别算法计算量巨大，网络模型规模庞大且只适用于服务器或者计算机集群，无法进行嵌入式终端的端对端实时应用。与此同时，为了从大规模监控视频数据中挖掘更多有价值的信息，辅助监控人员实现智能视频监控，需要将越来越多的视频分析算法引入到步态识别方法的网络模型中，加重了监控视频系统的计算负载。面对海量视频数据和各种复杂的视频分析，传统集中式视频处理系统已远远不能满足对数据处理的实时性和高效性。因此，提出一种能够实时、高效处理视频数据的方法对于监控应用领域具有重要意义。

发明内容

本发明提出了一种步态识别方法、系统、嵌入式终端及可读性存储介质，在本发明的方法中，通过使用Arm NN将算法模型移植到嵌入式终端，使开发人员能够继续使用他们首选的框架和工具，实现了嵌入式终端的端对端实时应用，提高了嵌入式终端的步态识别准确率，同时，在嵌入式终端搭建分布式集群，读取基于Kafka分布式消息系统封装的视频数据，实现了对视频数据的实时、高效处理。

基于上述目的，本发明实施例的一方面提供了一种步态识别方法，包括如下步骤：

将GaitSet算法模型移植入嵌入式终端；

通过嵌入式终端获取视频数据，基于Kafka分布式消息系统对所述视频数据进行处理；

通过嵌入式终端获取处理后的所述视频数据，并将所述视频数据发送给所述GaitSet算法模型进行步态识别。

在一些实施方式中，将GaitSet算法模型移植入嵌入式终端，进一步包括：

使用Arm NN软件将所述GaitSet算法模型移植入嵌入式终端。

在一些实施方式中，基于Kafka分布式消息系统对所述视频数据进行处理，包括：

获取Kafka分布式消息系统的key值、value值；

确定所述Kafka分布式消息系统的topic；

根据所述key值、所述value值对所述视频数据进行封装；

将封装后的所述视频数据存储到所述Kafka分布式消息系统的所述topic中。

在一些实施方式中，获取Kafka分布式消息系统的key值、value值，包括：

根据获取到所述视频数据的监控设备的ID获取所述key值，和所述value值。

在一些实施方式中，确定所述Kafka分布式消息系统的topic，包括：

根据所述监控设备的ID，确定所述Kafka分布式消息系统的topic。

在一些实施方式中，还包括：读取处理后的视频数据之前，搭建分布式集群。