买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东智云城建科技有限公司;中山大学申请的专利一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119888867B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510369893.5，技术领域涉及：G06V40/20；该发明授权一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法是由陈奕昆;李新竹;赵宝全;郑珏鹏设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法在说明书摘要公布了：本发明属于步态识别技术领域，提供了一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法，本发明融合了基于RGB图像的深度图序列和传统的轮廓图序列；利用现有的RGB视频数据集以及最新的深度估计模型从给定的RGB图像序列中显示的估计深度图，并将其作为一种新的模态来捕获人体运动中固有的区别性特征；与传统的输入模态相比，深度图提供了关于人体及其运动的更明确的3D几何信息，丰富了步态表征；本发明提供了一种更为全面和准确的步态识别解决方案；并且在广泛使用的步态识别基准上取得了较好的识别效果。

本发明授权一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法在权利要求书中公布了：1.一种融合RGB图像衍生的深度图和轮廓序列的步态识别方法，其特征在于，包括以下步骤： S1：在公开数据集中从原始视频片段导出轮廓图序列和深度图序列； S2：对轮廓图序列和深度图序列执行裁剪和归一化操作； S3：将所得到的轮廓图序列和深度图序列分别馈送到特征提取模块中的轮廓特征提取器和深度图特征提取器中；分别从轮廓图序列和深度图序列中进行特征提取得到轮廓特征图和深度特征图，代表编码的阶段； S4：通过跨层次、多尺度融合模块进行特征融合； S5：将融合后的特征送入特征聚合模块，通过时间池化和水平金字塔池化进行特征聚合来生成的步态识别特征； S6：将S5得到的特征用于训练和推理； S7：最终进行推理时，通过比较探针集和画廊集的特征的余弦相似度，将最相似的视为预测对象； 步骤S1包括： S11：通过行人分割算法，将背景置为黑色，人体轮廓置为白色，轮廓序列表示为S，尺寸为，表示通道数量，表示轮廓序列的长度，表示每帧图像的高度，表示每帧图像的宽度； S12：采用DepthAnything基础模型来从RGB图像中估计深度图； 步骤S2包括： S21：确定轮廓图序列和深度图序列中非零元素的顶部和底部的位置，并裁剪图像，将背景删除； S22：将轮廓输入高度设置为64像素，并根据人体横纵比相应调整轮廓图序列和深度图序列的宽度，保持人体横纵比不变； S23：计算轮廓图像中的像素总数，然后计算每列中的累计像素数，确定累计像素数超过总像素一半的位置，将其指定为图像的垂直中心；轮廓图像的中心设置为深度图像的中心；深度图序列表示为D，尺寸为，其中，，，,分别表示深度图像的通道数，序列长度、图像帧高度、图像帧宽度； 步骤S4包括： S41：多尺度空间提取模块通过通道维度连接轮廓特征图和通道特征图，得到统一的特征张向量，公式如下所示： ； S42：对拼接后的特征向量进行多尺度空间提取，公式如下所示： ； 其中，，代表1×1的卷积核；为局部得分，为全局得分；是relu激活函数，是BatchNorm2d批量归一化层； S43：通过注意力融合将和相加计算出注意力权重，公式如下所示： ； 其中，表示激活函数； S44：使用跨层次融合得到最终的步态表示，在得到更高层次的语义信息的同时保留浅层特征图中所包含的空间信息，公式如下所示： ； 其中表示在跨层次、多尺度融合模块前的每个编码阶段提取的特征；在编码的每个阶段都应用步骤S41-步骤S44的特征融合过程； 步骤S5包括： S51：融合后的特征经过时间池化操作，通过沿时间维度进行最大化来聚合特征图序列，输出全局理解； S52：对时间池化后的特征再进行水平金字塔池化来获取输入特征的多尺度信息，指定水平金字塔中的分块数量为16，在输入特征的宽度维度上进行水平分割，然后对每个分块进行平均池化和最大池化操作，将两种池化结果沿着最后一维拼接起来，形成最终的输出特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东智云城建科技有限公司;中山大学，其通讯地址为：519000 广东省珠海市香洲区卫康路199号香洲创港中心17栋17层1701室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。