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！

龙图腾网获悉武汉众智数字技术有限公司申请的专利一种基于卷积神经网络多层次特征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：CN114140873B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202111317122.X，技术领域涉及：G06V40/20；该发明授权一种基于卷积神经网络多层次特征的步态识别方法是由查杭;杨波设计研发完成，并于2021-11-09向国家知识产权局提交的专利申请。

本一种基于卷积神经网络多层次特征的步态识别方法在说明书摘要公布了：一种基于卷积神经网络多层次特征的步态识别方法，包括：读取输入的步态图像序列，并对图像序列进行预处理；通过不同卷积大小的特征提取分支对图像序列进行不同层次的特征提取；对提取的不同层次的特征进行不同方式的融合，得到最终用于步态识别的特征并进行存储；根据特征图及标签，利用损失函数计算损失，并采用反向传播算法更新卷积神经网络模型，直到满足预设条件时，生成最终识别模型；将待识别步态目标输入到最终识别模型，并将模型输出结果与已存储的特征值进行匹配，将与已存储的特征值中相似度最高的结果为识别结果。本发明对输入的步态轮廓图进行了在线的数据增强，增加了输入数据的多样性，提高了算法在实际情景下对行人轮廓的鲁棒性。

本发明授权一种基于卷积神经网络多层次特征的步态识别方法在权利要求书中公布了：1.一种基于卷积神经网络多层次特征的步态识别方法，其特征在于，包括：S100.读取输入的步态图像序列，并对图像序列进行预处理；S200.通过不同卷积大小的特征提取分支对图像序列进行不同层次的特征提取；S300.对提取的不同层次的特征进行不同方式的融合，得到最终用于步态识别的特征并进行存储；S300的具体方法包括：采用Block_W层、Block_H层、HPM层、VPM层和Concat2层对S200提取的多层次特征在特征图的w和h方向进行融合;其中，Block_W层和Block_H层均由2层卷积大小为3、步长为1的卷积构成，第一层卷积输入、输出通道数分别为128和256，第二层卷积输入、输出通道数分别为256和256；Block_W层在w方向将特征提取层输出的特征均分为n等份，并利用卷积操作对这n个w方向分割的条状特征图分别提取局部特征，再将这些特征concat聚合起来，再采用全局最大集合池化提取w方向的条状局部信息；Block_H层在h方向将特征提取层输出的特征均分为n等分，并利用卷积操作对这n个h方向分割的条状特征图分别提取局部特征，再将这些特征concat聚合起来，再采用全局最大集合池化提取h方向的条状局部信息；HPM层对每个h方向池化后的特征使用独立的全连接层将其映射到判别空间；VPM层对每个w方向池化后的特征使用独立的全连接层将其映射到判别空间；Concat2层含有一个concat操作将HPM层和VPM层的输出特征图在通道维度拼接到一起组成同时含有w和h方向局部特征的特征图；S400.根据特征图及标签，利用损失函数计算损失，并采用反向传播算法更新卷积神经网络模型，直到满足预设条件时，生成最终识别模型；S400中，采用Treplitloss和Centerloss进行联合训练，其损失函数设计如下： ； ； ；其中，联合损失由三元损失和中心损失及两个损失的权重平衡因子共同构成；三元损失中，N为一个训练批次中的样本数,为训练中随机选取的某个样本，为该训练样本对应的正样本，为该训练样本对应的负样本，为该随机选取的样本与同类样本的类内欧氏距离，为该随机选取的样本与不同类样本的类间欧式距离，为样本对应的类间距离与类内距离的最小差值，中心损失中为训练中随机选取的某个样本，c为所有样本的类中心，由训练的过程得到；S500.将待识别步态目标输入到最终识别模型，并将模型输出结果与已存储的特征值进行匹配，将与已存储的特征值中相似度最高的结果为识别结果。

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武汉众智数字技术有限公司，其通讯地址为：430074 湖北省武汉市东湖新技术开发区珞喻路546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”。