公开(公告)号：CN117173790A

公开(公告)日：2023-12-05

申请号：CN202311190366.5

申请日：2023-09-14

Applicant: 华中科技大学

Inventor： 冯镔 ,  熊海军 ,  刘文予

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于因果干预机制的步态识别方法：对于待检测的步态序列，首先经过特征提取以及时域下采样获取低级步态特征；然后经过由多个事实与反事实模块构成的因果干预学习器，最后用于特征映射生成步态特征。事实与反事实模块可以通过最大化事实与反事实特征表达之间的分布差异，使得步态模型更加关注于反映步态特征的区域，从而减少混杂因素对步态识别的干扰，并且该模块可移植性强，适用于多种主流步态识别网络。本发明还提供了相应的基于因果干预机制的步态识别装置。

公开(公告)号：CN116912664A

公开(公告)日：2023-10-20

申请号：CN202310967164.0

申请日：2023-08-02

Applicant: 华中科技大学

Inventor： 冯镔 ,  熊海军 ,  刘文予

IPC: G06V10/82 ,  G06V10/62 ,  G06V10/80 ,  G06V40/20 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于预训练大模型的步态识别方法：输入视频序列至预训练的步态识别模型提取步态特征；根据步态特征对每个样本选取相同数量的正样本和负样本构造正样本对和负样本对；为每个构造的样本对根据提示生成文本描述；文本描述令牌化后嵌入可学习的提示令牌，经过预训练大模型文本编码器的Transformer生成文本特征；对构造的样本对进行特征拼接生成视觉特征；计算文本特征与视觉特征的相似度；通过对步态特征和相似度进行监督微调网络训练。该发明的目的是通过预训练大模型中蕴含的丰富语义关系来学习序列间的相似性，使步态识别模型学习更丰富的高级语义特征，以此提高识别性能。本发明还提供了相应的基于预训练大模型的步态识别装置。