公开(公告)号：CN117409485B

公开(公告)日：2024-04-30

申请号：CN202311723714.0

申请日：2023-12-15

Applicant: 佛山科学技术学院

Inventor： 陈丹凤 ,  苏文欢 ,  劳承锦 ,  何俊 ,  刘士亚

IPC: G06V40/20 ,  G06N3/048 ,  G06N3/08 ,  G06V10/82 ,  G06V20/40

Abstract: 本发明公开了一种基于姿态估计和确定学习的步态识别方法及系统，涉及步态识别技术领域，该方法包括：获取待测行走视频序列并按帧率拆分成待测图像序列；通过改进的OpenPose姿态估计网络模型对所述待测图像序列进行特征提取及约束规则检测处理，以获得步态特征数据序列，其中，所述约束规则检测包括对特征提取处理后的步态特征数据序列进行关键节点的约束优化处理，以对关键节点识别有误的待测图像序列进行优化修复处理并输出识别准确的步态特征数据序列；将所述步态特征数据序列输入至训练好的RBF神经网络模型中，以获得步态识别结果。采用本发明可提高识别准确率及步态识别的鲁棒性。

公开(公告)号：CN117409485A

公开(公告)日：2024-01-16

申请号：CN202311723714.0

申请日：2023-12-15

Applicant: 佛山科学技术学院

Inventor： 陈丹凤 ,  苏文欢 ,  劳承锦 ,  何俊 ,  刘士亚

IPC: G06V40/20 ,  G06N3/048 ,  G06N3/08 ,  G06V10/82 ,  G06V20/40

Abstract: 本发明公开了一种基于姿态估计和确定学习的步态识别方法及系统，涉及步态识别技术领域，该方法包括：获取待测行走视频序列并按帧率拆分成待测图像序列；通过改进的OpenPose姿态估计网络模型对所述待测图像序列进行特征提取及约束规则检测处理，以获得步态特征数据序列，其中，所述约束规则检测包括对特征提取处理后的步态特征数据序列进行关键节点的约束优化处理，以对关键节点识别有误的待测图像序列进行优化修复处理并输出识别准确的步态特征数据序列；将所述步态特征数据序列输入至训练好的RBF神经网络模型中，以获得步态识别结果。采用本发明可提高识别准确率及步态识别的鲁棒性。