步態識別的核心技術介紹

1 人形跟蹤技術

人形跟蹤技術使用深度卷積神經網路提取行人的表觀特徵，並結合行人運動軌跡的動態特徵，共同得到人的運動軌跡和位置，並支援實時的多人同時跟蹤，其演算法實際在 gpu 上執行可達到毫秒級別。

3 基於深度學習的人形分割技術

人形分割使用深度卷積神經網路作為基礎結構，結合了反卷積網路對分割目標進行逐畫素分類。接受人體檢測出的區域作為輸入，能夠在相對較複雜的情況下進行人體分割。人體分割的精度接近人眼水準，分割成像速度可達到毫秒級別。

4 基於深度學習的步態特徵提取技術

步態特徵提取使用深度卷積神經網路作為基礎結構，使用了多工學習目標，同時隨機取樣大量的時序步態資料進行模型學習。可用於家庭環境和監控場景中的步態特徵提取，所提不同個體的特徵有良好的區分性，同乙個體的特徵有良好的內聚性，其速度可達到毫秒級別。

5 基於深度學習的骨架關鍵點提取技術

骨架關鍵點提取採用了深度卷積神經網路作為基礎結構，抓住人體骨架空間位置的約束關係來**人體的重要關節點。、具有較好的關節定位精度，演算法速度可達到毫秒級別。

6 基於深度學習的行人再識別技術

行人再識別資料採用了深度卷積神經網路作為基礎結構，使用了多工學習目標，同時利用大量單個人體同一時段不同監控下的影象資訊進行模型學習。該方法可用於監控場景中相對較短時間內的行人識別，其精度較高，演算法速度可達到毫秒級別。