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！

龙图腾网获悉成都理工大学申请的专利一种基于多模态动态互补的自适应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：CN121527852B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610058794.X，技术领域涉及：G06V40/20；该发明授权一种基于多模态动态互补的自适应步态识别方法是由梅占勇;张超;董良雨;伍学海;杨国城;王美玲设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种基于多模态动态互补的自适应步态识别方法在说明书摘要公布了：本发明公开了一种基于多模态动态互补的自适应步态识别方法，属于步态识别技术领域，包括：采集不同衣物遮挡程度下的步态图像，并构建跨季节服装数据集；对跨季节服装数据集中的步态图像进行多模态解析及数据增强处理，得到增强人体解析流和灰度姿态剪影流；构建适应性融合的极简网络SimpleGait，并利用增强人体解析流和灰度姿态剪影流对其训练，得到步态识别模型；将待识别步态图像对应的增强人体解析流和灰度姿态剪影流输入至步态识别模型中，输出步态识别结果。本发明方法有效应对严重的衣物遮挡、低光照及其他困难场景的步态识别需求。

本发明授权一种基于多模态动态互补的自适应步态识别方法在权利要求书中公布了：1.一种基于多模态动态互补的自适应步态识别方法，其特征在于，包括以下步骤： S100、采集不同衣物遮挡程度下的步态图像，并构建跨季节服装数据集； S200、对跨季节服装数据集中的步态图像进行多模态解析及数据增强处理，得到模态互补的增强人体解析流和灰度姿态剪影流； 所述S200包括以下分步骤： S201、对跨季节服装数据集中的步态图像进行多模态解析，得到解析骨架图、轮廓剪影图和人体解析图； S202、对轮廓剪影图依次进行基于解析引导模态交换和基于骨骼引导智能遮挡的数据增强处理，得到人体轮廓图； S203、对人体解析图进行基于骨骼引导智能遮挡的数据增强处理，得到增强人体解析流； S204、将具有跨模态一致性的人体轮廓图和解析骨架图融合，得到单通道的灰度姿态剪影流； 其中，基于解析引导模态交换的数据增强处理包括： 以参考解析图为模板，计算各轮廓剪影图的交叉解析分数； 将交叉解析分数低于预设阈值的轮廓剪影图中的轮廓替换为参考解析图全局形状派生的二进制掩码，实现轮廓剪影图增强； 基于骨骼引导智能遮挡的数据增强处理，包括： 根据给定2D骨骼点中肩膀关键点和膝盖关键点的坐标，确定肩线和躯干高度，进而构建遮挡掩膜； 基于遮挡掩膜，对基于解析引导模态交换增强后的轮廓剪影图进行廓形增强，得到人体轮廓图；基于遮挡掩膜，对人体解析图进行人工解析增强，得到增强人体解析流； S300、构建适应性融合的极简网络SimpleGait，并利用增强人体解析流和灰度姿态剪影流对其训练，得到步态识别模型； 其中，极简网络SimpleGait为多分支网络架构，包括第一骨干网络分支和第二骨干网络分支；所述第一骨干网络分支和第二骨干网络分支的输入分别为增强人体解析流和灰度姿态剪影流，且结构相同，均包括依次连接的3×3卷积层、第一BN层、第一ReLU激活函数、第一DeepGaitV2块、第二DeepGaitV2块、第三DeepGaitV2块和第四DeepGaitV2块； 所述第一骨干网络分支和第二骨干网络分支中的第三DeepGaitV2块的输出端均与轻量级融合单元的输入端连接，所述轻量级融合单元的输出端与第五DeepGaitV2块连接； 所述第一骨干网络分支和第二骨干网络分支中的第四DeepGaitV2块和第五DeepGaitV2块的输出端均分别连接一个步态头，每个所述步态头的输出端与拼接层的输入端连接，所述拼接层的输出端输出步态特征表示； S400、将待识别步态图像对应的增强人体解析流和灰度姿态剪影流输入至步态识别模型中，输出步态识别结果。

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成都理工大学，其通讯地址为：610051 四川省成都市成华区二仙桥东三路1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。