CN114463555B 步态特征提取方法及装置 （浙江大华技术股份有限公司）

US9633268B1,2017.本申请公开了一种步态特征提取方法及装申请的步态特征提取方法可以提取到较为优良2基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，分别对步态轮廓图序列、骨骼关键点序列和身体部位划分图序列进行空间特征提取，对步态轮廓图序列的空间特征、骨骼关键点序列的空间特征和身关键点序列的空间特征和身体部位划分图序列的空间特征先进行特征融合再提取时间特将所述步态轮廓图序列的步态空间特征、所述骨骼关键点序列对所述目标对象的步态空间特征进行时间维度上的信息提取，得到所3.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的步态轮廓图序通过每个子块单独对应的映射函数对所述每个子块进将多个子块一一对应地输入至多个全连接神经网络，以使每个全连确定各候选步态特征和所述步态特征的相似度；其中，所3响应于所述历史对象触发的步态特征创建操将从所述针对所述历史对象采集的图像序列中提取到的步态特征，4[0008]基于所述目标对象的步态轮廓图序列、骨骼关键点序列[0010]基于所述目标对象的步态轮廓图序列、骨骼关键点序列5[0024]将所述多个全连接神经网络的输出进行拼接，得到所述目标对象的最终步态特6[0047]图2是本申请步态特征提取方法中步态空间特征提取模型一实施方式的结构示意[0048]图3是本申请步态特征提取方法中步态时间特征提取模块一实施方式的结构示意7关键点序列。列对应的步态特征、骨骼关键点序列的步态特征和身体部位划分图的步态特征进行融合，8分图序列分别输入到图2所示的步态空间特征提取模型的三个分支中，以使步态空间特征[0074]其中，步态空间特征提取模型的三个分支的结构具体可提高利用本申请提取的步态特征进行步态识别的9得到最终的步态特征，使得最终的步态特征中每个身体部件的步态特征都相对较为明显，即子块和映射函数是一一对应的，且不同子块对应的映射函数相互独立且参数互不影响，子块，则相应地需要利用n个映射函数(例如全连接神经网络)分别对n个子块进行映射处[0092]基于上述步骤得到多个子块的映射结果后，可以将多个子块的映射结果进行拼将映射后的特征向量按分块前的位置进行拼接得到最过目标对象的最终步态特征和具有目标权限的用户的最终步态特征之间的相似度或欧式对象和底库中样本的最终步态特征之间的距离(余弦距离或欧式距离)中的最小距离小于阈值的情况下，将目标对象的身份归为最终步态特征距离目标对象最小距离的样本的身[0101]可选地，本申请具体可通过如图6所示的步态特征提取网络实现上述步态特征提[0104]可利用身体部位划分图提取模块提取图像序列中图像中的目标对象的各个身体[0106]利用时间特征提取模块对目标对象的步态空间特征进行[0111]具体地，可以利用三元组损失函数和/或交叉熵损失函数等损失函数对步态特征[0113]具体地，可以通过对比各候选步态特征和目标对象的步以避免在目标对象不属于所有候选步态特征对应的历史对象中的情况下将最大的相似度身份信息的步骤的实施过程可以为：确定各候选步态特征和目标对象的步态特征的相似[0122]其中，如图7所示，报警系统可以包括用来采集目标对象的图像序列的摄像装置[0124]服务器还可以在基于上述的步态特征提取方法确认目标对象不具有目标权限的[0133]电子设备20还可进一步包括存储器21，用于存储处理器22运行所需的指令和数施方式方法的全部或部分步骤。而前述的存储介质30包括：U盘、移动硬盘、只读存储器