-
公开(公告)号：CN117373122B
公开(公告)日：2025-01-24
申请号：CN202311342543.7
申请日：2023-10-17
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于特征融合与视角三元组损失的跨视角步态识别方法。本发明采集不同视角下的步行图像序列，提取全局步态能量图及局部时空序列步态表示；实现步态表示到深度判别性特征的非线性映射；定义步态表示的深度特征之间的视角层次性欧氏距离为步态表示之间的度量距离；使用视角三元组损失函数监督特征学习网络的训练过程；融合两种不同类型的深度特征；利用不同步态间的差异，计算待识别步态融合特征与数据库步态融合特征间的欧氏距离，返回数据库中与待识别步态样本的欧氏距离最小的步态样本作为待识别步态的身份识别结果。本发明简便有效、识别精度较高，能有效应对视角变化的步态识别挑战，实现跨视角下的无限制步态识别。
-
公开(公告)号：CN117373122A
公开(公告)日：2024-01-09
申请号：CN202311342543.7
申请日：2023-10-17
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于特征融合与视角三元组损失的跨视角步态识别方法。本发明采集不同视角下的步行图像序列，提取全局步态能量图及局部时空序列步态表示；实现步态表示到深度判别性特征的非线性映射；定义步态表示的深度特征之间的视角层次性欧氏距离为步态表示之间的度量距离；使用视角三元组损失函数监督特征学习网络的训练过程；融合两种不同类型的深度特征；利用不同步态间的差异，计算待识别步态融合特征与数据库步态融合特征间的欧氏距离，返回数据库中与待识别步态样本的欧氏距离最小的步态样本作为待识别步态的身份识别结果。本发明简便有效、识别精度较高，能有效应对视角变化的步态识别挑战，实现跨视角下的无限制步态识别。
-
公开(公告)号：CN117373123B
公开(公告)日：2025-03-18
申请号：CN202311342550.7
申请日：2023-10-17
Applicant: 广东工业大学
IPC: G06V40/20 , G06V10/50 , G06V10/77 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部模糊光流直方能量图的正面视角步态识别方法,本发明步骤：采集正面视角步态视频；计算人体下肢区域像素点的运动信息；划分人体下肢区域为多个局部区域，对人体局部区域的步态运动信息进行建模，得到局部模糊光流直方能量图作为步态表示；使用直方图特征学习网络挖掘局部模糊光流直方能量图的内在步态运动特性，并映射到具有判别力的深度特征空间；利用注册步态表示和验证步态表示在深度特征上的差异，实现正面视角步态识别。本发明所提出的人体步态表示具有维度小、鲁棒性强和简单有效的特点；本发明有效实现从直方图特征到深度特征的非线性映射，有助于提升正面视角步态识别的准确率。
-
公开(公告)号：CN117373123A
公开(公告)日：2024-01-09
申请号：CN202311342550.7
申请日：2023-10-17
Applicant: 广东工业大学
IPC: G06V40/20 , G06V10/50 , G06V10/77 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部模糊光流直方能量图的正面视角步态识别方法,本发明步骤：采集正面视角步态视频；计算人体下肢区域像素点的运动信息；划分人体下肢区域为多个局部区域，对人体局部区域的步态运动信息进行建模，得到局部模糊光流直方能量图作为步态表示；使用直方图特征学习网络挖掘局部模糊光流直方能量图的内在步态运动特性，并映射到具有判别力的深度特征空间；利用注册步态表示和验证步态表示在深度特征上的差异，实现正面视角步态识别。本发明所提出的人体步态表示具有维度小、鲁棒性强和简单有效的特点；本发明有效实现从直方图特征到深度特征的非线性映射，有助于提升正面视角步态识别的准确率。
-
-
-
Search Results
4
records
(took 0.02 seconds)
