步態(tài)識別作為一種新興的生物識別方式，相比于人臉識別、指紋識別等方式，具有易于適應(yīng)環(huán)境、無法偽裝等優(yōu)點(diǎn)。

本文所設(shè)計(jì)的步態(tài)識別系統(tǒng)，搭建在全志V853開發(fā)板上，充分利用板載外設(shè)、CPU與NPU，實(shí)現(xiàn)了嵌入式系統(tǒng)上的實(shí)時(shí)步態(tài)識別系統(tǒng)。

具體來說，系統(tǒng)所采用的深度學(xué)習(xí)算法在PC端進(jìn)行訓(xùn)練，得到的Pytorch 模型通過模型轉(zhuǎn)換工具轉(zhuǎn)換為V853 NPU所能運(yùn)行的NB模型，模型的推理在NPU上進(jìn)行。系統(tǒng)的整體運(yùn)行過程分為前處理、模型推理、后處理與UI顯示四大部分。

步態(tài)識別系統(tǒng)搭建過程圖

本系統(tǒng)所采用的深度學(xué)習(xí)算法絕大部分算子在板載NPU上進(jìn)行推理，小部分算子在板載CPU上運(yùn)算得到結(jié)果。前處理與后處理過程均在板載CPU上進(jìn)行，分別采用OpenCV與Eigen運(yùn)算庫，其中前處理從板載攝像頭采集的視頻中提取步態(tài)輪廓，并將其裁剪拼接后作為NPU模型的輸入數(shù)據(jù)，后處理將NPU模型運(yùn)行結(jié)束得到的輸出數(shù)據(jù)進(jìn)行補(bǔ)充運(yùn)算并進(jìn)行特征對比，以實(shí)現(xiàn)身份鑒定。UI界面的顯示，通過Qt生成的應(yīng)用程序?qū)崿F(xiàn)。

本研究在CASIA-B數(shù)據(jù)集上測試了NB模型的步態(tài)識別準(zhǔn)確率。CASIA-B是一個(gè)大規(guī)模、多視角的步態(tài)識別數(shù)據(jù)集，共包含124個(gè)樣本，每個(gè)樣本都有10種步態(tài)序列，分為6個(gè)正常行走的序列（NM），2個(gè)身著長外套行走的序列（CL）以及2個(gè)佩戴背包行走的序列（BG）。CASIA-B注重視角的變化，在每個(gè)行走序列中又包含了11個(gè)不同的角度。將數(shù)據(jù)集中的74個(gè)樣本作為訓(xùn)練樣本，剩下的50個(gè)樣本作為測試樣本。

步態(tài)識別算法總流程

在測試集中，使用每個(gè)樣本的前4個(gè)正常行走的序列作為gallery集，為了研究在不同人體輪廓下系統(tǒng)的性能表現(xiàn)，劃分了3個(gè)probe集，分別為正常行走序列的最后2個(gè)序列、2個(gè)身著長外套行走的序列和2個(gè)佩戴書包行走的序列。考慮到角度對識別效果的影響，本研究在每一個(gè)角度都進(jìn)行了單獨(dú)測試，以驗(yàn)證不同角度下識別的正確率。

根據(jù)上述測試數(shù)據(jù)制作了下表，表中包含了本文設(shè)計(jì)的步態(tài)識別系統(tǒng)GaitCircle使用的NB模型與GaitSet模型針對相同條件下的識別準(zhǔn)確率數(shù)據(jù)。其中NM表示正常行走狀態(tài)、BG表示背包行走，CL表示穿外套行走。

除了針對步態(tài)識別準(zhǔn)確率進(jìn)行了測試，本研究也對步態(tài)識別的實(shí)時(shí)性進(jìn)行了測試。對于單人步態(tài)識別，前處理的處理速度達(dá)到了每幀58ms，模型推理運(yùn)行時(shí)間僅為77ms，后處理的運(yùn)行時(shí)間為0.73s。

最后，本研究還進(jìn)行了實(shí)時(shí)識別測試，實(shí)時(shí)識別測試是利用V853開發(fā)板上的攝像頭拍攝錄像，并實(shí)時(shí)進(jìn)行步態(tài)識別輸出行人身份的過程。在進(jìn)行測試之前，V853 Tina Linux中設(shè)置了開機(jī)自啟動(dòng)步態(tài)識別程序，主要通過在/etc/profile文件添加運(yùn)行步態(tài)識別程序的命令實(shí)現(xiàn)。

本文內(nèi)容均轉(zhuǎn)載自

https://mp.weixin.qq.com/s/AxUeqC-8ogck7qd2Lgo92A

審核編輯：劉清