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！

龙图腾网获悉湖南师范大学申请的专利基于先验知识的步态序列修复与监控受众身份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：CN115761906B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211428277.5，技术领域涉及：G06V40/20；该发明授权基于先验知识的步态序列修复与监控受众身份识别方法是由罗坚;阳强;黄宇琛;陈泽超;易健设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于先验知识的步态序列修复与监控受众身份识别方法在说明书摘要公布了：本发明公开了一种基于先验知识的步态序列修复与监控受众身份识别方法，包括：1从步态数据集中选取固定帧数连续的序列，将选取的序列人工合成已知的遮挡模式，得到遮挡步态图像；2通过YOLO神经网络来逐张检测步态序列中遮挡步态图像的局部遮挡区域，并将其作为先验知识为遮挡修复区域分配更高的修复权值，利用3D‑CNN和Transformer来对遮挡序列进行端对端的全局修复，通过先验知识从全局修复序列中获取遮挡区域的修复结果，将修复结果和原始遮挡步态进行融合，得到修复后的步态图像；3分为遮挡已知和遮挡未知两种情况，训练修复网络模型和测试数据；4使用Gaitset网络提取修复后步态图像的步态特征，用于监控受众的身份识别，最终输出识别结果。

本发明授权基于先验知识的步态序列修复与监控受众身份识别方法在权利要求书中公布了：1.基于先验知识的步态序列修复与监控受众身份识别方法，其特征在于包括： 步骤1、从步态数据集中选取固定帧数连续的序列，将选取的序列人工合成已知的遮挡模式，得到遮挡步态图像； 步骤2、通过YOLO神经网络来逐张检测步态序列中遮挡步态图像的局部遮挡区域，将其作为先验知识为遮挡修复区域分配更高的修复权值，使用3D-CNN和Spatio-TemporalTransformer对遮挡序列进行端对端的全局修复，通过先验知识从全局修复序列中获取遮挡区域的修复结果，将修复结果和原始遮挡步态进行融合，得到修复后的步态图像； 步骤3、分为遮挡已知和遮挡未知两种情况，训练步态时空序列修复网络GSTRNet和测试数据； 步骤4、使用Gaitset网络提取修复后步态图像的步态特征，用于监控受众的身份识别，最终输出识别结果； 利用YOLO、3DCNN、Spatio-TemporalTransformer和Gaitset构建得到GSTRNet； 所述步骤2中，具体为： 步骤S201、使用YOLOv5网络来检测序列中每帧的缺失区域作为先验知识，通过定义孔洞损失和非孔洞损失融合的联合重建损失函数，重点进行局部遮挡区域的修复，有效保留未遮挡区域信息； 步骤S202、使用3D-CNN和跳跃连接的方法构建时空编解码器3DCE，能够在修复时空信息的同时减少梯度消失； 步骤S203、使用Spatio-TemporalTransformer来对深层特征进行时空信息修复； 所述步骤S202包括： 2.2.1令S2为固定分布DX×M×Y中的步态训练样本集；输入空间X是所有存在遮挡的步态序列集合；M表示对应遮挡序列中掩码序列的集合，由YOLO网络生成；目标序列Y表示同X具有相同ID但不存在遮挡的序列集合；每个步态训练样本都由一组序列x,m,y组成；目标序列y＝y1,y2,…,yN长度等于输入序列x＝x1,x2,…,xN和m＝m1,m2,...,mN； 利用步态样本集S2来训练一个时空编解码器网络3DCE，能够将存在遮挡的步态序列重建，输出完整的步态序列，即： 式中，为全局修复结果；为遮挡序列，N代表一个序列中步态图像数量； 2.2.2Encoder由一个kernel为3×3×3、stride为1×1×1的3D-CNN卷积层和两个卷积块组成，每个卷积块由一个kernel为3×3×3、stride为1×1×1的卷积层后接一个Kernel为4×4×4、stride为2×2×2的卷积层组合而成，卷积核的个数也由64增长到了256，每个卷积层中都使用批归一化BN和RELU非线性激活；为了在图像下采样的时候让每一个元素都参与进来，保留更多的细节信息，使用stride为2的卷积来代替了池化层；同时为了保留更多的时间信息，在每次下采样之前都首先进行一次卷积； Encoder通过从遮挡序列中获取具有时空信息的低维特征f；给定遮挡序列，从编码器获得的低维特征f表示为： 2.2.3Decoder首先用3个由膨胀卷积组成的残差块，然后采用交替排列的3层卷积和2层反卷积层，kernel和stride和Encoder一样，除最后一层外，所有卷积层都经过批归一化BN和RELU非线性激活，最后一层卷积层之后使用Tanh激活函数将数据都映射到[-1,1]之间来保持和输入数据范围的一致性；使用跳跃连接的方式将编码器和解码器中的特征混合，减缓编码过程中下采样时的细节损失，并将梯度消失的问题的影响降至最低； 解码器通过将Spatio-TemporalTransformer的输出作为输入，输出遮挡序列的全局修复结果 2.2.4使用长度为N的序列掩码M＝M1,M2,…,MN，从时空编解码器网络的全局修复结果中获得局部修复结果，并和输入X融合生成最终的修复序列结果 2.2.5将最终修复序列结果作为Gaitset网络输入的一部分。

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湖南师范大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山路36号；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”。

以上内容由龙图腾AI智能生成。