CN114463555B 步态特征提取方法及装置 （浙江大华技术股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114463555B(45)授权公告日2025.07.01

(21)申请号202111639256.3

(22)申请日2021.12.29

(65)同一申请的已公布的文献号申请公布号CN114463555A

(43)申请公布日2022.05.10

(73)专利权人浙江大华技术股份有限公司

地址310051浙江省杭州市滨江区滨安路

1187号

(72)发明人王昕潘华东

(74)专利代理机构深圳市威世博知识产权代理事务所(普通合伙)44280

专利代理师何倚雯

(51)Int.CI.

GO6V10/44(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

GO6V10/74(2022.01)

GO6V40/20(2022.01)

(56)对比文件

US9633268B1,2017.04.25CN113537121A,2021.10.22审查员张楠霞

权利要求书2页说明书10页附图5页

(54)发明名称

S101获取目标对象采集的图像序列

S101

获取目标对象采集的图像序列

基于图像序列，确定目标对象

的步态轮廓图序列、骨骼关键点序列和

身体部位划分图序列

基于目标对象的步态轮廓图序列、骨骼

关键点序列和身体部位划分图序列，提

取目标对象的步态特征

S102

S103

(57)摘要

CN114463555B本申请公开了一种步态特征提取方法及装置。其中，该步态特征提取方法包括：获取目标对象采集的图像序列；基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列；基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征。通过本

CN114463555B

CN114463555B权利要求书1/2页

2

1.一种步态特征提取方法，其特征在于，所述方法包括：

获取目标对象采集的图像序列；

基于所述图像序列，确定所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列；

基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征；

所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征，包括：

分别对步态轮廓图序列、骨骼关键点序列和身体部位划分图序列进行空间特征提取，得到步态轮廓图序列的空间特征、骨骼关键点序列的空间特征和身体部位划分图序列各自的空间特征；

对步态轮廓图序列的空间特征、骨骼关键点序列的空间特征和身体部位划分图序列的空间特征先进行特征融合再提取时间特征，得到所述步态特征；或，对步态轮廓图序列的空间特征、骨骼关键点序列的空间特征和身体部位划分图序列的空间特征先提取时间特征再进行融合，得到所述步态特征。

2.根据权利要求1所述的方法，其特征在于，所述对步态轮廓图序列的空间特征、骨骼关键点序列的空间特征和身体部位划分图序列的空间特征先进行特征融合再提取时间特征，得到所述步态特征的步骤包括：

将所述步态轮廓图序列的步态空间特征、所述骨骼关键点序列的步态空间特征和所述身体部位划分图序列的步态空间特征进行融合，得到所述目标对象的步态空间特征；

对所述目标对象的步态空间特征进行时间维度上的信息提取，得到所述目标对象的步态特征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的步态轮廓图序列、骨骼关键点序列和身体部位划分图序列，提取所述目标对象的步态特征，之后包括：

将所述步态特征划分成多个子块；

通过每个子块单独对应的映射函数对所述每个子块进行映射；

将所述多个子块的映射结果进行拼接，得到所述目标对象的最终步态特征。

4.根据权利要求3所述的方法，其特征在于，所述通过每个子块单独对应的映射函数对所述每个子块进行映射的步骤包括：

将多个子块一一对应地输入至多个全连接神经网络，以使每个全连接神经网络对接收到的子块进行映射；

所述将所述多个子块的映射结果进行拼接的步骤包括：

将所述多个全连接神经网络的输出进行拼接，得到所述目标对象的最终步态特征。

5.根据权利要求1-4中任一项所述的方法，其特