公开(公告)号：CN119723245A

公开(公告)日：2025-03-28

申请号：CN202411801793.7

申请日：2024-12-09

Applicant: 安徽博微广成信息科技有限公司

Inventor： 葛新科 ,  许小明 ,  王可 ,  赵雷雷 ,  魏敏 ,  霍威

IPC: G06V10/774 ,  G06V10/764 ,  G06V40/20 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种步态识别模型的训练方法、步态识别方法及介质、控制器，训练方法包括：使用训练图像集对步态识别模型进行多次周期性的训练，其中，针对每次训练周期，执行以下操作：获取训练图像集，其中，训练图像集包括原始步态剪影序列及其对应的增广步态剪影序列；将原始步态剪影序列和增广步态剪影序列输入至步态识别模型，得到目标步态特征及其对应的分类概率；根据目标步态特征得到三元组损失函数，根据目标步态特征对应的分类概率得到交叉熵损失函数，根据三元组损失函数和交叉熵损失函数得到总损失函数；根据总损失函数，调整步态识别模型的参数，得到训练好的步态识别模型。该训练方法提高了步态识别模型身份识别准确率。

公开(公告)号：CN119723244A

公开(公告)日：2025-03-28

申请号：CN202411801792.2

申请日：2024-12-09

Applicant: 安徽博微广成信息科技有限公司 ,  安徽大学

Inventor： 黄彬 ,  孙峰 ,  赵雷雷 ,  刘凯 ,  李林伟 ,  唐俊 ,  霍威

IPC: G06V10/774 ,  G06V10/764 ,  G06V40/20 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及步态识别技术领域，公开了一种步态识别模型的训练方法、步态识别方法及介质、控制器，训练方法包括：获取训练样本集，其中，训练样本集包括步态剪影序列及其对应的真实身份标签；将训练样本集中的步态剪影序列输入至步态识别模型，得到步态剪影序列的步态特征和预测身份标签；根据步态特征构建三元组损失函数，根据预测身份标签构建交叉熵损失函数，并根据三元组损失函数和交叉熵损失函数构建步态识别模型损失函数；基于步态识别模型损失函数对步态识别模型进行训练，得到训练好的步态识别模型。该训练方法训练得到的步态识别模型，具有步态识别准确率高的优点。