摘要
本发明提供了一种基于数据对齐的步态识别方法、装置、设备及存储介质,该方法包括:通过对输入的步态序列进行预处理,得到初始轮廓图序列和对应的骨架序列。然后,利用骨架序列中的关键点信息对初始轮廓图序列进行仿射变换处理,实现对齐。对对齐后的轮廓图序列进行统一缩放和位移调整,得到时空一致的步态特征序列。最后,使用预训练的深度学习模型对时空一致的步态特征序列进行特征提取和分类,得到步态识别结果。本方法通过有效的数据对齐策略,解决了现有技术中由于拍摄条件和人体姿态变化导致的数据分布差异问题,提高了步态识别在复杂实际场景中的准确性和鲁棒性。
技术关键词
步态识别方法
序列
步态特征
关键点
步态识别设备
深度学习模型
步态识别装置
矩阵
坐标
三维卷积神经网络
数据
人体姿态变化
髋关节
姿态估计算法
图像
输出特征
时序
可读存储介质
人体轮廓
系统为您推荐了相关专利信息
轨迹生成方法
历史轨迹数据
轨迹生成程序
模式
锚点
变分模态分解算法
经验模态分解算法
电力价格预测方法
数据
拉格朗日