公开(公告)号：CN110222568B

公开(公告)日：2023-09-29

申请号：CN201910366189.9

申请日：2019-05-05

Applicant: 暨南大学

Inventor： 杨天奇 ,  夏忠超

IPC: G06V40/20 ,  G06V10/762 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种基于时空图的跨视角步态识别方法，S11，对待识别原始图片进行背景减除，并按等高同比例裁剪得到步态空间图；S12，对所述步态空间图的坐标索引进行转置，对转置后的步态空间图按第一维展开，得到步态时间图；S13，分别构建用于提取步态空间特征的空间卷积神经网络模块和用于提取步态动态时间特征的时间卷积神经网络模块；S14，将所述步态空间图输入到空间卷积神经网络模块进行步态的特征提取，得到N个第一空间特征向量，将所述步态时间图输入到时间卷积神经网络模块进行步态的特征提取，得到M个第二空间特征向量；本发明弥补了步态识别常用的GEI特征中对步态的动态不充分的缺点。

公开(公告)号：CN110222568A

公开(公告)日：2019-09-10

申请号：CN201910366189.9

申请日：2019-05-05

Applicant: 暨南大学

Inventor： 杨天奇 ,  夏忠超

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于时空图的跨视角步态识别方法，S11，对待识别原始图片进行背景减除，并按等高同比例裁剪得到步态空间图；S12，对所述步态空间图的坐标索引进行转置，对转置后的步态空间图按第一维展开，得到步态时间图；S13，分别构建用于提取步态空间特征的空间卷积神经网络模块和用于提取步态动态时间特征的时间卷积神经网络模块；S14，将所述步态空间图输入到空间卷积神经网络模块进行步态的特征提取，得到N个第一空间特征向量，将所述步态时间图输入到时间卷积神经网络模块进行步态的特征提取，得到M个第二空间特征向量；本发明弥补了步态识别常用的GEI特征中对步态的动态不充分的缺点。