[发明专利]一种多视角步态识别方法及系统

权利要求书

1.一种多视角步态识别方法，其特征在于，包括以下步骤：

S1.采集得到多视角、多协变量情况的步态数据集，并对数据集进行预处理；

S2.将预处理后的输入送入训练好的特征提取网络，提取出90°和0°两个视角方向成分的特征向量；同时，根据输入的样本识别出样本的协变量，并得到协变量向量；

S3.根据得到的协变量向量，对步骤S2的特征向量做加权处理，得到最终的步态特征向量；

S4.设置注册集，注册集中只含有90°和0°两个视角方向的样本；

S5.通过对比网络输出的步态特征与注册集的步态特征，分类得到输入的身份信息。

2.根据权利要求1所述的一种多视角步态识别方法，其特征在于，步骤S1具体包括：

对采集的步态数据集中的视频帧进行帧级分解，得到帧级步态图像，并对帧级步态图像做二值化、裁剪处理，得到步态剪影图。

3.根据权利要求2所述的一种多视角步态识别方法，其特征在于，对于模型1，将一个周期的步态轮廓图进行GEI归一化处理，作为输入进入模型网络中。

4.根据权利要求2所述的一种多视角步态识别方法，其特征在于，对于模型2，得到的步态剪影图序列作为输入进入模型网络中。

5.根据权利要求3或4所述的一种多视角步态识别方法，其特征在于，步骤S2中：

①识别出输入样本的协变量，协变量为相互独立作用的若干类，包括输入样本的视角、携带物情况、光照强度。

②识别出协变量后，获取对应的协变量向量，不同的协变量对应不同的协变量向量。

6.根据权利要求5所述的一种多视角步态识别方法，其特征在于，步骤S3具体是：

根据识别出的协变量的差异，对特征向量做加权处理，得到最终的步态特征向量。

7.根据权利要求6所述的一种多视角步态识别方法，其特征在于，步骤S4具体如下：

视角为90°的、无其它协变量干扰的样本送入训练好的90°特征提取网络，得到视角为0°的、无其它协变量干扰的样本送入训练好的0°特征提取网络，得到再将二者拼接得到一个注册集样本最终得到包含N个目标的注册集F：

8.根据权利要求7所述的一种多视角步态识别方法，其特征在于，步骤S5采用分类器对网络输出的特征向量进行身份识别。

9.一种多视角步态识别系统，其特征在于，包括以下模块：

预处理模块：采集得到多视角、多协变量情况的步态数据集，并对数据集进行预处理；

协变量向量识别模块：将预处理后的输入送入训练好的特征提取网络，提取出90°和0°两个视角方向成分的特征向量；同时，根据输入的样本识别出样本的协变量，并得到协变量向量；

加权处理模块：根据得到的协变量向量，对特征向量做加权处理，得到最终的步态特征向量；

注册集设置模块：设置注册集，注册集中只含有90°和0°两个视角方向的样本；

身份信息获取模块：通过对比网络输出的步态特征与注册集的步态特征，分类得到输入的身份信息。