一种基于解析序列的高阶时空关系建模步态识别方法

本发明公开了一种基于解析序列的高阶时空关系建模步态识别方法，包括对采集的行人视频进行人像解析，将每一帧图像转化为包含头部、躯干及四肢等语义部位的步态解析序列，并通过卷积神经网络骨干为各序列提取中层特征；构建并训练超图步态识别模型，在空间维度构建人体部位超图、在时间维度构建关键时间片超图，实现步态解析特征在空间与时间两方面的高阶相关性建模与融合；最后利用训练好的超图步态识别模型，对待识别步态解析序列生成步态嵌入向量，在候选样本库中完成目标人物的识别。本发明能够自适应地聚合多部位间及多时间片间的高阶协同信息，在复杂视角、遮挡和外观变化等真实场景下具有更高的识别精度和鲁棒性。