一种基于视频实例分割的步态识别方法及装置制造方法及图纸

本申请提供了一种基于视频实例分割的步态识别方法及装置，涉及特征识别技术领域，通过摄像机采集目标人员的步态视频，并将该步态视频输入训练好的视频实例分割模型，得到所述目标人员的步态序列；从得到的所述步态序列中提取所述目标人员的步态特征；将提取到的所述步态特征与底库进行对比，获取满足设定阈值的识别对象；即通过训练好的视频实例分割模型一步就能够获取步态序列，从而简化步态识别步骤，提升模型泛化性。提升模型泛化性。提升模型泛化性。

【技术实现步骤摘要】
一种基于视频实例分割的步态识别方法及装置


[0001]本申请涉及特征识别
，具体而言，涉及一种基于视频实例分割的步态识别方法及装置。

技术介绍

[0002]步态识别作为一种远距离且无需对象配合的生物特征识别手段，旨在根据人们行走的步态实现对个人身份的识别、鉴定或生理、病理及心理特征的检测。步态识别可在较低图像质量下进行，无需识别对象的配合，识别距离较远，且难以伪装和掩藏，与传统生物特征识别相比有明显优势。
[0003]但是目前，步态识别技术步骤较为繁琐，模型泛化性低。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种基于视频实例分割的步态识别方法、装置、电子设备及存储介质，能够简化步态识别步骤。
[0005]第一方面，本申请实施例提供一种基于视频实例分割的步态识别方法，所述方法包括以下步骤：
[0006]通过摄像机采集目标人员的步态视频，并将该步态视频输入训练好的视频实例分割模型，得到所述目标人员的步态序列；其中，所述步态序列为剪影序列、关键点序列或者人体部位序列；
[0007]从得到的所述步态序列中提取所述目标人员的步态特征；其中，针对所述剪影序列、所述关键点序列或者所述人体部位序列，采用的提取目标人员的步态特征的方法不同；
[0008]将提取到的所述步态特征与底库进行对比，获取满足设定阈值的识别对象。
[0009]在一些实施例中，通过如下方式得到所述目标人员的剪影序列：
[0010]获取利用开源视频实例分割数据集训练得到的预训练好的第一视频实例分割模型；其中，所述第一视频实例分割模型基于SeqFormer构建；
[0011]对所述开源视频实例分割数据集中的分割监督信息进行更换，以将所述目标人员以外的类别均视为背景；
[0012]利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第一视频实例分割模型进行微调，得到训练好的第一视频实例分割模型；
[0013]将采集的所述步态视频输入所述训练好的第一视频实例分割模型，得到所述目标人员的剪影序列。
[0014]在一些实施例中，过如下方式得到所述目标人员的关键点序列：
[0015]获取利用开源视频实例分割数据集训练得到的预训练好的第二视频实例分割模型；其中，所述第二视频实例分割模型基于SeqFormer构建；
[0016]将所述开源视频实例分割数据集中的分割监督信息更换为人体关键点标注监督信息；
[0017]利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第二视频实例分割模型进行微调，得到训练好的第二视频实例分割模型；
[0018]将采集的所述步态视频输入所述训练好的第二视频实例分割模型，得到所述目标人员的关键点序列。
[0019]在一些实施例中，通过如下方式得到所述目标人员的人体部位序列：
[0020]获取利用开源视频实例分割数据集训练得到的预训练好的第三视频实例分割模型；其中，所述第三视频实例分割模型基于SeqFormer构建；
[0021]将所述开源视频实例分割数据集中所述目标人员以外的类别均视为背景之后，更换为人体部位解析监督信息；
[0022]利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第三视频实例分割模型进行微调，得到训练好的第三视频实例分割模型；
[0023]将采集的所述步态视频输入所述训练好的第三视频实例分割模型，得到所述目标人员的人体部位序列。
[0024]在一些实施例中，述从得到的所述步态序列中提取所述目标人员的步态特征，包括以下步骤：
[0025]识别得到的所述目标人员的步态序列的类别；
[0026]根据识别出的所述步态序列的类别，采用对应的步态识别模型从所述步态序列提取步态特征。
[0027]在一些实施例中，若所述步态序列为剪影序列，利用第一步态识别模型从所述剪影序列中提取步态特征，其中，所述第一步态识别模型基于GaitSet构建；
[0028]若所述步态序列为关键点序列，利用第二步态识别模型从所述关键点序列中提取步态特征，其中，所述第二步态识别模型基于GaitGraph构建；
[0029]若所述步态序列为人体部位序列，利用第三步态识别模型从所述人体部位序列中提取步态特征，所述第三步态识别模型基于多分支GaitSet构建。
[0030]在一些实施例中，所述将提取到的所述步态特征与底库进行对比，获取满足设定阈值的识别对象，包括以下步骤：
[0031]将提取到的所述步态特征归一化，并分别计算与底库中所有步态序列之间的余弦相似度；
[0032]根据计算出的余弦相似度，确定满足设定阈值的识别对象，并将确定出的识别对象按照相似度从高到低的顺序进行排列。
[0033]第二方面，本申请实施例提供一种基于视频实例分割的步态识别装置，所述装置包括：
[0034]采集模块，用于利用摆放在不同角度的相机同时录制目标人员的行走状态视频，得到所述目标人员的不同视角的行走序列；
[0035]特征提取模块，用于从所述目标人员的不同视角的行走序列提取步态特征；
[0036]识别模块，用于将所述步态特征与底库进行对比，获取满足设定阈值的识别对象。
[0037]第三方面，本申请实施例提供的一种电子设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面任一
项所述的基于视频实例分割的步态识别方法的步骤。
[0038]第四方面，本申请实施例提供的一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面任一项所述的基于视频实例分割的步态识别方法的步骤。
[0039]本申请所述的一种基于视频实例分割的步态识别方法、装置、电子设备及存储介质，通过摄像机采集目标人员的步态视频，并将该步态视频输入训练好的视频实例分割模型，得到所述目标人员的步态序列；从得到的所述步态序列中提取所述目标人员的步态特征；将提取到的所述步态特征与底库进行对比，获取满足设定阈值的识别对象；即通过训练好的视频实例分割模型一步就能够获取步态序列，从而简化步态识别步骤，提升模型泛化性。
附图说明
[0040]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0041]图1示出了本申请实施例所述基于视频实例分割的步态识别方法的流程图；
[0042]图2示出了本申请实施例所得到所述目标人员的剪影序列的流程图；
[0043]图3示出了本申请实施例所得到所述S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频实例分割的步态识别方法，其特征在于，所述方法包括以下步骤：通过摄像机采集目标人员的步态视频，并将该步态视频输入训练好的视频实例分割模型，得到所述目标人员的步态序列；其中，所述步态序列为剪影序列、关键点序列或者人体部位序列；从得到的所述步态序列中提取所述目标人员的步态特征；其中，针对所述剪影序列、所述关键点序列或者所述人体部位序列，采用的提取目标人员的步态特征的方法不同；将提取到的所述步态特征与底库进行对比，获取满足设定阈值的识别对象。2.根据权利要求1所述的一种基于视频实例分割的步态识别方法，其特征在于，通过如下方式得到所述目标人员的剪影序列：获取利用开源视频实例分割数据集训练得到的预训练好的第一视频实例分割模型；其中，所述第一视频实例分割模型基于SeqFormer构建；对所述开源视频实例分割数据集中的分割监督信息进行更换，以将所述目标人员以外的类别均视为背景；利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第一视频实例分割模型进行微调，得到训练好的第一视频实例分割模型；将采集的所述步态视频输入所述训练好的第一视频实例分割模型，得到所述目标人员的剪影序列。3.根据权利要求1所述的一种基于视频实例分割的步态识别方法，其特征在于，通过如下方式得到所述目标人员的关键点序列：获取利用开源视频实例分割数据集训练得到的预训练好的第二视频实例分割模型；其中，所述第二视频实例分割模型基于SeqFormer构建；将所述开源视频实例分割数据集中的分割监督信息更换为人体关键点标注监督信息；利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第二视频实例分割模型进行微调，得到训练好的第二视频实例分割模型；将采集的所述步态视频输入所述训练好的第二视频实例分割模型，得到所述目标人员的关键点序列。4.根据权利要求1所述的一种基于视频实例分割的步态识别方法，其特征在于，通过如下方式得到所述目标人员的人体部位序列：获取利用开源视频实例分割数据集训练得到的预训练好的第三视频实例分割模型；其中，所述第三视频实例分割模型基于SeqFormer构建；将所述开源视频实例分割数据集中所述目标人员以外的类别均视为背景之后，更换为人体部位解析监督信息；利用更换分割监督信息之后的所述开源视频实例分割数据集对所述预训练好的第三视频实例分割模型进行微调，得到训练好的第三视频实例分割模型；将采集的所述步态视频输入所述训练好的第三视频实例...

【专利技术属性】
技术研发人员：侯赛辉，曹春水，刘旭，
申请(专利权)人：银河水滴科技北京有限公司，
类型：发明
国别省市：