(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210954681.X (22)申请日 2022.08.10 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 孙庆华　梁春苗　王聪　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 于凤洋 (51)Int.Cl. G06V 40/20(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/42(2022.01) G06V 10/74(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于确定学习的可视化步态识别方法 及系统 (57)摘要 本发明提出了一种基于确定学习的可视化 步态识别方法及系统， 采集多帧组成的步态序 列， 从步态序列的每一帧中提取三维步态变量， 组成三维步态变量序列， 绘制三维步态相空间轨 迹； 将三维步态 变量序列， 输入到训练好的RBF神 经网络中， 得到步态动力学特征序列和时不变知 识， 时不变知识构建步态模式库， 绘制动力学轨 迹； 提取待识别步态序列的三维步态变量序列， 利用步态模式库中的时不变知识构建状态估计 器， 将待识别步态序列与步态模式库中的各步态 的动力学进行快速比较， 得到最终的步态识别结 果； 本发明能精确反映每个个体的时空特性， 敏 锐捕获步态模式的变化， 提高步态识别的准确 性， 而且在跨视角下 具有很强的鲁棒 性。 权利要求书2页 说明书10页 附图7页 CN 115311744 A 2022.11.08 CN 115311744 A 1.一种基于确定学习的可视化 步态识别方法， 其特 征在于， 包括： 采集多帧组成的步态序列， 从步态序列的每一帧中提取三维步态变量， 组成三维步态 变量序列， 绘制三维步态相空间轨 迹； 将三维步态变量序列， 输入到训练好的RBF神经网络中， 得到步态动力学特征序列和时 不变知识， 时不变知识构建步态模式库， 绘制动力学轨 迹； 提取待识别步态序列的三维步态变量序列， 利用步态模式库中的时不变知识构建状态 估计器， 将待识别步态序列与步态模式库中的各步态的动力学进行快速比较， 得到最终的 步态识别结果。 2.如权利要求1所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 三维步 态变量为： 左侧大腿与垂直方向的角度、 左侧小腿与垂直方向的角度以及膝关节间相对距 离。 3.如权利要求1所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 步态序 列的每一帧中， 采用五连 杆双足模型来刻画人体运动。 4.如权利要求3所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 五连杆 双足模型用拉格朗日方程 来表示， 肢体角度向量 为θ ＝[ θ1， θ2， θ3， θ4， θ5]T； 其中， θ1、 θ2、 θ3、 θ4、 θ5分别为左侧小腿、 左侧大腿、 人体躯干、 右侧大腿、 右侧小腿与垂直 方向的夹角 角度； 从五连杆双足模型中提取θ1、 θ2作为三维步态变量中的左侧小腿与垂直方向的角度、 左 侧大腿与垂直方向的角度。 5.如权利要求3所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 基于五 连杆双足模型中膝关节间的距离 l与左、 右侧大腿腿 长l2、 l4之间的三角性约束， 根据余弦定 理， 计算得到膝关节间的距离l。 6.如权利要求1所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 步态动 力学特征序列提取 过程的主 要步骤如下： 构建RBF神经网络； 利用RBF神经网络对训练步态模式进行动力学建模， 获取步态动力学 特征序列； 将所有神经网络权值初始化为0， 并按照确定学习理论更新权重， 直至收敛到最优值， 得到步态动力学 特征序列及时不变知识； 学习到的时不变知识构建步态模式库。 7.如权利要求1所述的一种基于确定学习的可视化步态识别方法， 其特征在于， 得到步 态识别结果， 具体步骤为： 利用步态模式库中的时不变知识构建一系列动态估计 器； 提取待识别步态序列的三维步态序列； 根据三维步态序列与动态估计器， 获取表征待识别步态与步态模式间差异的残差系 统； 计算与步态模式间差异成正比的估计误差的平均L1范数， 误差最小的步态模式， 即为 识别结果。 8.一种基于确定学习的可视化步态识别系统， 其特征在于： 包括三维步态变量提取模 块、 步态动力学 特征提取模块和快速步态 识别模块；权　利　要　求　书 1/2 页 2 CN 115311744 A 2三维步态变量提取模块， 被配置为： 采集多帧组成的步态序列， 从步态序列的每一帧中 提取三维步态变量， 组成三维步态变量序列， 绘制三维步态相空间轨 迹； 步态动力学特征提取模块， 被配置为： 将三维步态序列， 输入到训练好的RBF神经网络 中， 得到步态动力学特征序列和时不变知识， 时不变知识构建步态模式库， 绘制动力学轨 迹； 快速步态识别模块， 被配置为： 提取待识别步态序列的三维步态变量序列， 利用步态模 式库中的时不变知识构建状态估计器， 将待识别步态序列与步态模式库中的各步态的动力 学进行快速比较， 得到最终的步态 识别结果。 9.计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实现如 权利要求1 ‑7任一项所述的一种基于确定学习的可视化 步态识别方法中的步骤。 10.电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程序， 其 特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的一种基于确定学 习的可视化 步态识别方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115311744 A 3