一种基于深度学的步态识别方法

摘要

本发明公开一种基于深度学的步态识别方法，包括：利用深度学的卷积神经网络的较强的学能力，通过共享权重的双通道卷积神经网络来根据视频中人的步态来识别其身份。该方法对跨较大视角的步态变化有很强的鲁棒性，有效地解决了现有步态识别技术在处理跨视角步态识别时精度不高的问题。该方法可被广泛应用于配备视频监控的场景，如：机场及超市的安全监控，人员识别，罪犯检测等。

主权项

一种基于深度学习的步态识别方法，其特征在于，所述方法包括训练过程和识别过程，如下：训练过程S1为：对已标记好身份的训练步态视频序列提取步态能量图，重复选取其中任意两个对基于卷积神经网络的匹配模型进行训练，直至模型收敛；识别过程S2为：对单视角待识别步态视频和已注册步态视频序列分别提取步态能量图，利用S1中训练好的基于卷积神经网络的匹配模型计算单视角待识别步态视频的步态能量图与已注册步态视频序列每个步态能量图的相似度，依据相似度的大小进行身份预测，并输出识别结果。