-
公开(公告)号：CN114694262A
公开(公告)日：2022-07-01
申请号：CN202210397625.0
申请日：2022-04-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于两个正交视角方向的特征分开提取的多视角步态识别方法及系统，方法具体步骤：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。本发明实现了多视角、多携带物状态的步态识别的目的，有效降低了协变量对步态识别的影响。
-
公开(公告)号：CN114694262B
公开(公告)日：2025-04-04
申请号：CN202210397625.0
申请日：2022-04-15
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于两个正交视角方向的特征分开提取的多视角步态识别方法及系统，方法具体步骤：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。本发明实现了多视角、多携带物状态的步态识别的目的，有效降低了协变量对步态识别的影响。
-
公开(公告)号：CN113111797A
公开(公告)日：2021-07-13
申请号：CN202110417595.0
申请日：2021-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明结合自编码器与视角变换模型的跨视角步态识别方法：采集多视角多携带物状态的步态数据集；训练得到去携带物编码器和视角判别器；将待测目标在多个观测视角下的步态能量图输入编码器得到纯步态特征，将步态特征拼接为步态特征矩阵，通过奇异值分解得到角度变换与身份信息向量；通过带有身份标签的步态组输入卷积神经网络中进行识别，得到识别模型；将待识别目标的步态能量图输入自编码器与观测视角判别器，得到无携带物步态能量图与观测视角信息，一同输入视角投影模型并转换至对比视角下，与在对比视角下来自不同目标的步态能量图依次组成步态能量图组，输入识别模型，取得分最高组合为识别结果，完成识别。
-
公开(公告)号：CN113111797B
公开(公告)日：2024-02-13
申请号：CN202110417595.0
申请日：2021-04-19
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明结合自编码器与视角变换模型的跨视角步态识别方法：采集多视角多携带物状态的步态数据集；训练得到去携带物编码器和视角判别器；将待测目标在多个观测视角下的步态能量图输入编码器得到纯步态特征，将步态特征拼接为步态特征矩阵，通过奇异值分解得到角度变换与身份信息向量；通过带有身份标签的步态组输入卷积神经网络中进行识别，得到识别模型；将待识别目标的步态能量图输入自编码器与观测视角判别器，得到无携带物步态能量图与观测视角信息，一同输入视角投影模型并转换至对比视角下，与在对比视角下来自不同目标的步态能量图依次组成步态能量图组，输入识别模型，取得分最高组合为识别结果，完成识别。
-
-
-
Search Results
4
records
(took 0.019 seconds)
