公开(公告)号：CN111639580B

公开(公告)日：2023-07-18

申请号：CN202010452373.8

申请日：2020-05-25

Applicant: 浙江工商大学

Inventor： 华璟 ,  罗利鹏

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明公开了一种结合特征分离模型和视角转换模型的步态识别方法，该方法包括以下步骤：数据采集；训练基于特征分离模型和生成式对抗网络的视角转换器；训练视角判别器；训练步态识别器；测试与实际应用；本发明通过特征分离模型分离开外观特征和步态特征，使得在训练和实际应用中可以直接使用摄像机拍摄到的图像作为算法输入，而无需对图像进行语义分割等背景减法，有效降低了背景减法产生的误差；本发明通过视角转换降低了跨摄像头视角不同导致的识别误差；在测试时，本发明无需以步态模板或者连续视频序列作为输入，仅需要部分视频帧即可，且对是否连续没有要求。本发明提高了步态识别算法的鲁棒性。

公开(公告)号：CN111639580A

公开(公告)日：2020-09-08

申请号：CN202010452373.8

申请日：2020-05-25

Applicant: 浙江工商大学

Inventor： 华璟 ,  罗利鹏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种结合特征分离模型和视角转换模型的步态识别方法，该方法包括以下步骤：数据采集；训练基于特征分离模型和生成式对抗网络的视角转换器；训练视角判别器；训练步态识别器；测试与实际应用；本发明通过特征分离模型分离开外观特征和步态特征，使得在训练和实际应用中可以直接使用摄像机拍摄到的图像作为算法输入，而无需对图像进行语义分割等背景减法，有效降低了背景减法产生的误差；本发明通过视角转换降低了跨摄像头视角不同导致的识别误差；在测试时，本发明无需以步态模板或者连续视频序列作为输入，仅需要部分视频帧即可，且对是否连续没有要求。本发明提高了步态识别算法的鲁棒性。