[发明专利]一种基于深度神经网络的步态识别方法

摘要

本发明公开了一种基于深度神经网络的步态识别方法，对原始的步态视频图像进行预处理后，提取其步态高斯图，按照设计的规则以5∶1的比例将样本数据集划分为训练集和测试集。建立与AlexNet结构相一致的八层卷积神经网络模型，并对模型最后一层的神经元的个数修改使其适应于步态识别的分类任务。该模型的前七层用已经训练好的AlexNet模型的参数对进行初始化，模型的最后一层进行随机初始化。使用训练集训练该卷积神经网络使其可以有效地完成步态识别。本发明鲁棒性较高，在多种协变量存在的情况下可以更有效的识人的身份，可以显著的减少训练模型所需的计算资源和时间。

主权项

一种基于深度神经网络的步态识别方法，其特征在于，包括如下步骤：S1、从原始的步态视频图像中减除运动背景得到人体运动轮廓图，对轮廓图进行形态学处理使其噪声减小，并填充图像中的空洞，然后提取步态周期，进一步对轮廓图进行归一化使其大小相等，在一个步态周期内计算步态高斯图；S2、将所得的将步态高斯图按照设计的规则以5∶1的比例将样本数据集划分为训练集和测试集；S3、建立与AlexNet结构相一致的八层卷积神经网络模型，并对模型最后一层的神经元的个数修改使其适应于步态识别的分类任务；该模型的前七层用已经训练好的AlexNet模型的参数对进行初始化，模型的最后一层进行随机初始化；修改配置文件中的部分参数，使模型可以更加快速收敛；S4、将已标记好的训练样本集输入到上述神经网络模型，然后根据正向传播和反向传播对神经网络的参数进行更新，直到模型收敛，保存训练好的模型；S5、应用训练好的模型和标记好的测试数据对模型进行预测，根据模型的训练日志和预测日志对模型进行分析，绘制训练和测试Accracy及loss曲线，判断该模型是否可以有效地进行步态识别。