-
公开(公告)号：CN109711387A
公开(公告)日：2019-05-03
申请号：CN201910026678.X
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多类能量图的步态图像预处理方法，对数据集中多个已知的步态视频序列，利用遍历图像的像素点的方法，进行人体矩形区域的切割提取；采用双线性插值法，对提取出的行人图像进行大小归一化和质心归一化；采用高宽比的方法进行步态周期检测，采集并处理行走一个周期的步态信息，将图片分别生成步态能量图GEI、活动能量图AEI和步态熵图像GEnI；将生成的三种能量图按照RGB三通道原理，同时输入到网络模型中。本发明采用三种能量图来进行步态特征提取，得到了更多的步态特征，并按照三通道处理的方法，提出将三种能量图按三通道输入到网络中，并利用卷积神经网络实现模型，本发明可广泛用于模式识别尤其是步态识别领域以提高识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109902605A
公开(公告)日：2019-06-18
申请号：CN201910126867.4
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于步态识别领域，具体涉及一种基于单能量图自适应分割的步态识别方法。包括训练过程和识别过程，训练过程包括将一整幅步态能量图分割成头部、躯体和腿部三部分，其中头部区域分割时去除左右两侧的无用信息。去除差异较大的上半身区域，使同一人的步态信息更加接近和集中，只将行走过程中变化最多最明显的腿部区域送进步态识别网络中训练，此时训练集只包括正常形态时样本的腿部区域；识别过程包括分别使用背包形态时样本分割后的腿部区域及穿外套形态时样本分割后的腿部区域作为测试集，得到识别效果。本发明提出的方法可以很好地应对行人形态发生变化后的识别，更具有实用性，可广泛应用于步态识别领域，有效地提高识别效果。
-
公开(公告)号：CN109902605B
公开(公告)日：2023-04-07
申请号：CN201910126867.4
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明属于步态识别领域，具体涉及一种基于单能量图自适应分割的步态识别方法。包括训练过程和识别过程，训练过程包括将一整幅步态能量图分割成头部、躯体和腿部三部分，其中头部区域分割时去除左右两侧的无用信息。去除差异较大的上半身区域，使同一人的步态信息更加接近和集中，只将行走过程中变化最多最明显的腿部区域送进步态识别网络中训练，此时训练集只包括正常形态时样本的腿部区域；识别过程包括分别使用背包形态时样本分割后的腿部区域及穿外套形态时样本分割后的腿部区域作为测试集，得到识别效果。本发明提出的方法可以很好地应对行人形态发生变化后的识别，更具有实用性，可广泛应用于步态识别领域，有效地提高识别效果。
-
公开(公告)号：CN109711387B
公开(公告)日：2023-04-18
申请号：CN201910026678.X
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多类能量图的步态图像预处理方法，对数据集中多个已知的步态视频序列，利用遍历图像的像素点的方法，进行人体矩形区域的切割提取；采用双线性插值法，对提取出的行人图像进行大小归一化和质心归一化；采用高宽比的方法进行步态周期检测，采集并处理行走一个周期的步态信息，将图片分别生成步态能量图GEI、活动能量图AEI和步态熵图像GEnI；将生成的三种能量图按照RGB三通道原理，同时输入到网络模型中。本发明采用三种能量图来进行步态特征提取，得到了更多的步态特征，并按照三通道处理的方法，提出将三种能量图按三通道输入到网络中，并利用卷积神经网络实现模型，本发明可广泛用于模式识别尤其是步态识别领域以提高识别的准确率。
-
公开(公告)号：CN109766838B
公开(公告)日：2022-04-12
申请号：CN201910026947.2
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积神经网络的步态周期检测方法，对步态视频进行预处理，包括视频解码，行人轮廓提取和质心归一化的图像预处理操作；训练用于提取步态周期性特征的卷积神经网络；将待测的步态视频帧序列送入卷积神经网络中，输出波形经过滤波后，通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性，解决了在正面和背面视角下难以检测步态周期的问题，本发明方法对提高复杂环境中步态识别精度有重要意义，可用于步态识别中的前端，适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份识别中。
-
公开(公告)号：CN109766838A
公开(公告)日：2019-05-17
申请号：CN201910026947.2
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积神经网络的步态周期检测方法，对步态视频进行预处理，包括视频解码，行人轮廓提取和质心归一化的图像预处理操作；训练用于提取步态周期性特征的卷积神经网络；将待测的步态视频帧序列送入卷积神经网络中，输出波形经过滤波后，通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性，解决了在正面和背面视角下难以检测步态周期的问题，本发明方法对提高复杂环境中步态识别精度有重要意义，可用于步态识别中的前端，适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份识别中。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
