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

Inventor： 王科俊 ,  丁欣楠 ,  李伊龙 ,  周石冰 ,  徐怡博

IPC: G06V40/20 ,  G06V20/40 ,  G06N3/04 ,  G06N3/08

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

Inventor： 王科俊 ,  丁欣楠 ,  李伊龙 ,  周石冰 ,  徐怡博

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

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。