公开(公告)号：CN115050101A

公开(公告)日：2022-09-13

申请号：CN202210841836.9

申请日：2022-07-18

Applicant: 四川大学

Inventor： 冯子亮 ,  单强达 ,  许重阳 ,  蓝田野 ,  潘悦 ,  唐玄霜 ,  黎光耀 ,  董佳乐

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种基于骨骼和轮廓特征融合的步态识别方法，融合了行人轮廓图识别方法和骨骼关键点识别方法的优点，先提取行人骨骼关键点特征和行人轮廓图特征，再将其送入神经网络，在网络中间进行融合，实现基于步态的行人识别；本方法可解决步态识别中易受服装、视角和携带物等因素影响识别效果的问题，使得处于携带物、服装、视角等因素影响下的步态识别精度有了显著提升，具有识别精度高、鲁棒性强等优点。

公开(公告)号：CN115050101B

公开(公告)日：2024-03-22

申请号：CN202210841836.9

申请日：2022-07-18

Applicant: 四川大学

Inventor： 冯子亮 ,  单强达 ,  许重阳 ,  蓝田野 ,  潘悦 ,  唐玄霜 ,  黎光耀 ,  董佳乐

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明提供了一种基于骨骼和轮廓特征融合的步态识别方法，融合了行人轮廓图识别方法和骨骼关键点识别方法的优点，先提取行人骨骼关键点特征和行人轮廓图特征，再将其送入神经网络，在网络中间进行融合，实现基于步态的行人识别；本方法可解决步态识别中易受服装、视角和携带物等因素影响识别效果的问题，使得处于携带物、服装、视角等因素影响下的步态识别精度有了显著提升，具有识别精度高、鲁棒性强等优点。

公开(公告)号：CN114998998A

公开(公告)日：2022-09-02

申请号：CN202210842370.4

申请日：2022-07-18

Applicant: 四川大学

Inventor： 冯子亮 ,  司马铭骏 ,  潘悦 ,  许重阳 ,  蓝田野 ,  唐玄霜 ,  董佳乐 ,  黎光耀

IPC: G06V40/20 ,  G06V10/44

Abstract: 本发明提供了一种基于关键帧构建双向运动历史图的人体行为识别方法，使用关键帧构建双向时空运动历史图，双向时空运动历史图是一种考虑了视频中人体运动在时间和空间上两个维度的时空叠加特征，可实现了对视频中时空特征的深度表达；将双向运动历史图特征送入机器学习或深度学习模型进行训练，可完成人体行为的高效和准确识别，具有实现容易、计算速度快、识别准确等优点。