(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專(zhuān)利(22)申請(qǐng)日2021.12.29(43)申請(qǐng)公布日2022.05.101187號(hào)事務(wù)所(普通合伙)44280專(zhuān)利代理師何倚雯(56)對(duì)比文件US9633268B1,2017.04.25權(quán)利要求書(shū)2頁(yè)說(shuō)明書(shū)10頁(yè)附圖5頁(yè)獲取目標(biāo)對(duì)象采集的圖像序列獲取目標(biāo)對(duì)象采集的圖像序列基于圖像序列，確定目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取目標(biāo)對(duì)象的步態(tài)特征本申請(qǐng)公開(kāi)了一種步態(tài)特征提取方法及裝置。其中，該步態(tài)特征提取方法包括：獲取目標(biāo)對(duì)2獲取目標(biāo)對(duì)象采集的圖像序列；基于所述圖像序列，確定所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)特征；所述基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)特征，包括：分別對(duì)步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列進(jìn)行空間特征提取，得到步態(tài)輪廓圖序列的空間特征、骨骼關(guān)鍵點(diǎn)序列的空間特征和身體部位劃分圖序列各自的空間特征；對(duì)步態(tài)輪廓圖序列的空間特征、骨骼關(guān)鍵點(diǎn)序列的空間特征和身體部位劃分圖序列的空間特征先進(jìn)行特征融合再提取時(shí)間特征，得到所述步態(tài)特征；或，對(duì)步態(tài)輪廓圖序列的空間特征、骨骼關(guān)鍵點(diǎn)序列的空間特征和身體部位劃分圖序列的空間特征先提取時(shí)間特征再2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)步態(tài)輪廓圖序列的空間特征、骨骼關(guān)鍵點(diǎn)序列的空間特征和身體部位劃分圖序列的空間特征先進(jìn)行特征融合再提取時(shí)間特將所述步態(tài)輪廓圖序列的步態(tài)空間特征、所述骨骼關(guān)鍵點(diǎn)序列的步態(tài)空間特征和所述身體部位劃分圖序列的步態(tài)空間特征進(jìn)行融合，得到所述目標(biāo)對(duì)象的步態(tài)空間特征；對(duì)所述目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到所述目標(biāo)對(duì)象的步態(tài)特征。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序?qū)⑺霾綉B(tài)特征劃分成多個(gè)子塊；通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)所述每個(gè)子塊進(jìn)行映射；將所述多個(gè)子塊的映射結(jié)果進(jìn)行拼接，得到所述目標(biāo)對(duì)象的最終步態(tài)特征。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)所述每個(gè)子塊進(jìn)行映射的步驟包括：將多個(gè)子塊一一對(duì)應(yīng)地輸入至多個(gè)全連接神經(jīng)網(wǎng)絡(luò)，以使每個(gè)全連接神經(jīng)網(wǎng)絡(luò)對(duì)接收到的子塊進(jìn)行映射；所述將所述多個(gè)子塊的映射結(jié)果進(jìn)行拼接的步驟包括：將所述多個(gè)全連接神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行拼接，得到所述目標(biāo)對(duì)象的最終步態(tài)特征。5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的方法，其特征在于，所述提取所述目標(biāo)對(duì)象的步態(tài)基于所述步態(tài)特征，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述步態(tài)特征，對(duì)所述目標(biāo)對(duì)象確定各候選步態(tài)特征和所述步態(tài)特征的相似度；其中，所述候選步態(tài)特征基于對(duì)應(yīng)的3歷史對(duì)象的步態(tài)特征確定的；基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象響應(yīng)于所述各個(gè)相似度中存在第一相似度，將所述第一相似度對(duì)應(yīng)的歷史對(duì)象的身份信息確定為所述目標(biāo)對(duì)象的身份信息；所述第一相似度是大于第一相似度閾值的相似度中的最大值。8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述歷史對(duì)象包括具有目標(biāo)權(quán)限的對(duì)象；基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份響應(yīng)于所述各個(gè)相似度中存在大于第二相似度閾值的相似度，確定所述目標(biāo)對(duì)象具有所述目標(biāo)權(quán)限。9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述方法還包括：若確定所述目標(biāo)對(duì)象不具有目標(biāo)權(quán)限，發(fā)出報(bào)警信號(hào)。10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所響應(yīng)于所述歷史對(duì)象觸發(fā)的步態(tài)特征創(chuàng)建操作，確定針對(duì)所述歷史對(duì)象采集的圖像序?qū)乃鲠槍?duì)所述歷史對(duì)象采集的圖像序列中提取到的步態(tài)特征，確定為所述歷史對(duì)象的候選步態(tài)特征。11.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述候選步態(tài)特征保存在預(yù)設(shè)存儲(chǔ)空間響應(yīng)于所述歷史對(duì)象觸發(fā)的特征刪除指令，從所述預(yù)設(shè)存儲(chǔ)空間中刪除所述特征刪除指令指示的候選步態(tài)特征。12.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括處理器，所述處理器用于執(zhí)行指令以實(shí)現(xiàn)如權(quán)利要求1-11中任一項(xiàng)所述方法的步驟。13.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序和/或指令，其特征在于，所述程序和/或指令被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-11中任一項(xiàng)所述方法的步驟。4步態(tài)特征提取方法及裝置技術(shù)領(lǐng)域[0001]本申請(qǐng)涉及特征提取技術(shù)領(lǐng)域，特別是涉及一種步態(tài)特征提取方法及裝置。背景技術(shù)[0002]隨著科技的發(fā)展，步態(tài)特征成為了識(shí)別領(lǐng)域內(nèi)關(guān)注的重要的生物特征之一，因此，步態(tài)特征的提取在識(shí)別領(lǐng)域內(nèi)起到了至關(guān)重要的作用。[0003]目前的步態(tài)特征提取方法提取到的步態(tài)特征信息不太準(zhǔn)確，容易受到衣物等外界因素的影響。發(fā)明內(nèi)容[0004]本申請(qǐng)?zhí)峁┮环N步態(tài)特征提取方法及裝置，使得通過(guò)本申請(qǐng)的步態(tài)特征提取方法可以提取到較為優(yōu)良且運(yùn)動(dòng)細(xì)節(jié)較為豐富的步態(tài)特征，以提高利用本申請(qǐng)?zhí)崛〉牟綉B(tài)特征進(jìn)行步態(tài)識(shí)別的識(shí)別準(zhǔn)確率。[0006]獲取目標(biāo)對(duì)象采集的圖像序列；[0007]基于所述圖像序列，確定所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；[0008]基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)特征。[0009]其中，所述基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)特征的步驟包括：[0010]基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)空間特征；[0011]對(duì)所述目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到所述目標(biāo)對(duì)象的步態(tài)特征。[0012]其中，所述基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取所述目標(biāo)對(duì)象的步態(tài)空間特征的步驟包括：[0013]分別提取所述步態(tài)輪廓圖序列、所述骨骼關(guān)鍵點(diǎn)序列和所述身體部位劃分圖序列的步態(tài)空間特征；[0014]將所述步態(tài)輪廓圖序列的步態(tài)空間特征、所述骨骼關(guān)鍵點(diǎn)序列的步態(tài)空間特征和所述身體部位劃分圖序列的步態(tài)空間特征進(jìn)行融合，得到所述目標(biāo)對(duì)象的步態(tài)空間特征。[0015]其中，所述基于所述目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃[0016]將所述步態(tài)特征劃分成多個(gè)子塊；[0017]通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)所述每個(gè)子塊進(jìn)行映射；[0018]將所述多個(gè)子塊的映射結(jié)果進(jìn)行拼接，得到所述目標(biāo)對(duì)象的最終步態(tài)特征。5[0019]其中，所述將所述步態(tài)特征劃分成多個(gè)子塊的步驟包括：[0020]將所述步態(tài)特征水平劃分成所述多個(gè)子塊。[0021]其中，所述通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)所述每個(gè)子塊進(jìn)行映射的步驟包[0022]將多個(gè)子塊一一對(duì)應(yīng)地輸入至多個(gè)全連接神經(jīng)網(wǎng)絡(luò)，以使每個(gè)全連接神經(jīng)網(wǎng)絡(luò)對(duì)接收到的子塊進(jìn)行映射；[0023]所述將所述多個(gè)子塊的映射結(jié)果進(jìn)行拼接的步驟包括：[0024]將所述多個(gè)全連接神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行拼接，得到所述目標(biāo)對(duì)象的最終步態(tài)特[0025]其中，所述提取所述目標(biāo)對(duì)象的步態(tài)特征，之后包括：[0026]基于所述步態(tài)特征，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別。[0027]其中，所述利用所述待處理步態(tài)特征，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別，包括：[0028]確定各候選步態(tài)特征和所述步態(tài)特征的相似度；其中，所述候選步態(tài)特征基于對(duì)應(yīng)的歷史對(duì)象的步態(tài)特征確定的；[0029]基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別。[0030]其中，基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別，包括：[0031]響應(yīng)于所述各個(gè)相似度中存在第一相似度，將所述第一相似度對(duì)應(yīng)的歷史對(duì)象的身份信息確定為所述目標(biāo)對(duì)象的身份信息；所述第一相似度是大于第一相似度閾值的相似度中的最大值。[0032]其中，所述歷史對(duì)象包括具有目標(biāo)權(quán)限的對(duì)象；[0033]基于確定的各個(gè)相似度，對(duì)所述目標(biāo)對(duì)象進(jìn)行身份識(shí)別，包括：[0034]響應(yīng)于所述各個(gè)相似度中存在大于第二相似度閾值的相似度，確定所述目標(biāo)對(duì)象具有所述目標(biāo)權(quán)限。[0035]其中，所述方法還包括：[0036]若確定所述目標(biāo)對(duì)象不具有目標(biāo)權(quán)限，發(fā)出報(bào)警信號(hào)。[0037]其中，所述方法還包括：[0038]響應(yīng)于所述歷史對(duì)象觸發(fā)的步態(tài)特征創(chuàng)建操作，確定針對(duì)所述歷史對(duì)象采集的圖像序列；[0039]將從所述針對(duì)所述歷史對(duì)象采集的圖像序列中提取到的步態(tài)特征，確定為所述歷史對(duì)象的候選步態(tài)特征。[0040]其中，所述候選步態(tài)特征保存在預(yù)設(shè)存儲(chǔ)空間中，所述方法還包括：[0041]響應(yīng)于所述歷史對(duì)象觸發(fā)的特征刪除指令，從所述預(yù)設(shè)存儲(chǔ)空間中刪除所述特征刪除指令指示的候選步態(tài)特征。[0042]為達(dá)到上述目的，本申請(qǐng)還提供一種電子設(shè)備，該電子設(shè)備包括處理器；處理器用于執(zhí)行指令以實(shí)現(xiàn)上述方法。[0043]為達(dá)到上述目的，本申請(qǐng)還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其用于存儲(chǔ)指令/程序數(shù)據(jù)，指令/程序數(shù)據(jù)能夠被執(zhí)行以實(shí)現(xiàn)上述方法。[0044]本申請(qǐng)步態(tài)特征提取方法中，獲取目標(biāo)對(duì)象的圖像序列，基于目標(biāo)對(duì)象的圖像序列獲取目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；然后基于目6標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列提取目標(biāo)對(duì)象的步態(tài)特征；如此利用目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列的三種特征圖進(jìn)行目標(biāo)對(duì)象的步態(tài)特征提取，通過(guò)骨骼關(guān)鍵點(diǎn)續(xù)序列可以抵消衣物、背包帶來(lái)的影響，且利用身體部位劃分圖序列可以提取到部件的運(yùn)動(dòng)狀態(tài)，從而提取到步態(tài)的運(yùn)動(dòng)細(xì)節(jié)，從而使得通過(guò)本申請(qǐng)的步態(tài)特征提取方法可以提取到較為優(yōu)良且運(yùn)動(dòng)細(xì)節(jié)較為豐富的步態(tài)特征，以提高利用本申請(qǐng)?zhí)崛〉牟綉B(tài)特征進(jìn)行步態(tài)識(shí)別的識(shí)別準(zhǔn)確率。附圖說(shuō)明[0045]此處所說(shuō)明的附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：[0046]圖1是本申請(qǐng)步態(tài)特征提取方法一實(shí)施方式的流程示意圖；[0047]圖2是本申請(qǐng)步態(tài)特征提取方法中步態(tài)空間特征提取模型一實(shí)施方式的結(jié)構(gòu)示意[0048]圖3是本申請(qǐng)步態(tài)特征提取方法中步態(tài)時(shí)間特征提取模塊一實(shí)施方式的結(jié)構(gòu)示意[0049]圖4是本申請(qǐng)步態(tài)特征提取方法另一實(shí)施方式的流程示意圖；[0050]圖5是本申請(qǐng)步態(tài)特征提取方法中步態(tài)特征分塊映射處理方法的流程示意圖；[0051]圖6是本申請(qǐng)步態(tài)特征提取方法中步態(tài)特征提取模型一實(shí)施方式的結(jié)構(gòu)示意圖；[0052]圖7是本申請(qǐng)應(yīng)用本申請(qǐng)步態(tài)特征提取方法的報(bào)警系統(tǒng)的結(jié)構(gòu)示意圖；[0053]圖8是本申請(qǐng)電子設(shè)備一實(shí)施方式的結(jié)構(gòu)示意圖；[0054]圖9是本申請(qǐng)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)一實(shí)施方式的結(jié)構(gòu)示意圖。具體實(shí)施方式[0055]下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本申請(qǐng)的一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他的各種實(shí)施例不一定相互排斥，因?yàn)橐恍?shí)施例可以與一個(gè)或多個(gè)其它實(shí)施例組合以形成新的實(shí)施例。申請(qǐng)步態(tài)特征提取方法的執(zhí)行主體不受限制，例如可為服務(wù)器或終端。需要注意的是，以下步驟編號(hào)僅用于簡(jiǎn)化說(shuō)明，并不旨在限制步驟的執(zhí)行順序，本實(shí)施方式的各步驟可以在不違背本申請(qǐng)技術(shù)思想的基礎(chǔ)上，任意更換執(zhí)行順序。[0057]S101:獲取目標(biāo)對(duì)象采集的圖像序列。[0058]可以獲取目標(biāo)對(duì)象的圖像序列，以便后續(xù)基于目標(biāo)對(duì)象的圖像序列確定目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；然后基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列提取目標(biāo)對(duì)象的步態(tài)特征。7[0060]可選地，可以獲取目標(biāo)對(duì)象的行走圖像序列或跑步圖像序列。其中，目標(biāo)對(duì)象的圖像序列中目標(biāo)對(duì)象的腿部應(yīng)當(dāng)無(wú)遮擋、且比較清晰完整，如此可以提取到清晰且有效的步態(tài)特征。[0061]可以通過(guò)攝像裝置采集到目標(biāo)對(duì)象的圖像序列。具體地，通過(guò)攝像裝置拍攝目標(biāo)對(duì)象的步行或跑步視頻，對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)和跟蹤等預(yù)處理，并在視頻中截取目標(biāo)對(duì)象行走較為清晰完整的腿部無(wú)遮擋的視頻段，得到目標(biāo)對(duì)象的圖像序列。[0062]S102:基于圖像序列，確定目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列。[0063]可以對(duì)圖像序列進(jìn)行處理，得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；以便后續(xù)基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列提取目標(biāo)對(duì)象的步態(tài)特征。[0064]可選地，可以利用語(yǔ)義分割技術(shù)將圖像序列中圖像中的前景(即目標(biāo)對(duì)象)與背景分離并進(jìn)行二值化處理，得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列。在其他可替換的實(shí)施例中，可以利用步態(tài)輪廓提取模型對(duì)圖像序列中圖像進(jìn)行處理，得到圖像序列中每一張圖像的步態(tài)輪廓圖，從而得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列。[0065]可選地，可以使用目標(biāo)對(duì)象骨骼關(guān)鍵點(diǎn)檢測(cè)技術(shù)提取圖像序列中圖像中的目標(biāo)對(duì)象骨骼關(guān)鍵點(diǎn)，得到目標(biāo)對(duì)象的骨骼關(guān)鍵點(diǎn)序列。在其他可替換的實(shí)施例中，可以利用采用人體姿態(tài)估計(jì)算法來(lái)提取圖像序列中圖像中的目標(biāo)對(duì)象骨骼關(guān)鍵點(diǎn)，得到目標(biāo)對(duì)象的骨骼關(guān)鍵點(diǎn)序列。[0066]另外，可以使用身體部件識(shí)別技術(shù)提取圖像序列中圖像中的目標(biāo)對(duì)象的各個(gè)身體部位，得到目標(biāo)對(duì)象的身體部位劃分圖序列。[0067]經(jīng)過(guò)上述方法得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列后，可以對(duì)這三種不同的序列進(jìn)行尺寸歸一化處理，以便后續(xù)基于這三種不同的序列提取目標(biāo)對(duì)象的步態(tài)特征。[0068]S103:基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取目標(biāo)對(duì)象的步態(tài)特征。[0069]基于上述步驟得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列后，可以基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取目標(biāo)對(duì)象的步態(tài)特征。[0070]可選地，基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列提取目標(biāo)對(duì)象的步態(tài)空間特征；然后對(duì)目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到目標(biāo)對(duì)象的步態(tài)特征。[0071]在一實(shí)現(xiàn)方式中，可以分別對(duì)目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列進(jìn)行步態(tài)空間特征提??；然后對(duì)步態(tài)輪廓圖序列的空間特征進(jìn)行時(shí)間維度上的信息提取，得到步態(tài)輪廓圖序列對(duì)應(yīng)的步態(tài)特征；且對(duì)骨骼關(guān)鍵點(diǎn)序列的空間特征進(jìn)行時(shí)間維度上的信息提取，得到骨骼關(guān)鍵點(diǎn)序列的步態(tài)特征；且對(duì)身體部位劃分圖的空間特征進(jìn)行時(shí)間維度上的信息提取，得到身體部位劃分圖的步態(tài)特征；接著將態(tài)輪廓圖序列對(duì)應(yīng)的步態(tài)特征、骨骼關(guān)鍵點(diǎn)序列的步態(tài)特征和身體部位劃分圖的步態(tài)特征進(jìn)行融合，得到目標(biāo)對(duì)象的步態(tài)特征。8[0072]在另一實(shí)現(xiàn)方式中，分別提取步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列的步態(tài)空間特征；將步態(tài)輪廓圖序列的步態(tài)空間特征、骨骼關(guān)鍵點(diǎn)序列的步態(tài)空間特征和身體部位劃分圖序列的步態(tài)空間特征進(jìn)行融合，得到目標(biāo)對(duì)象的步態(tài)空間特征；對(duì)目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到目標(biāo)對(duì)象的步態(tài)特征；在時(shí)間維度上的信息提取之前就進(jìn)行特征融合，可以減少參數(shù)量，提高訓(xùn)練效率，且對(duì)三種序列的空間特征的融合結(jié)果進(jìn)行時(shí)間維度上的提取，提取的空間信息更豐富，進(jìn)行時(shí)間提取得到的目標(biāo)對(duì)象的步態(tài)特征更為優(yōu)良。[0073]具體地，在該實(shí)現(xiàn)方式中，可以將步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列分別輸入到圖2所示的步態(tài)空間特征提取模型的三個(gè)分支中，以使步態(tài)空間特征提取模型的三個(gè)分支分別對(duì)步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列進(jìn)行步態(tài)空間特征提取，并且步態(tài)空間特征提取模型將三個(gè)分支提取到的步態(tài)空間特征進(jìn)行融合，得到目標(biāo)對(duì)象的步態(tài)空間特征，使得最終提取的空間特征包含更豐富的信息，從而基于步態(tài)空間特征提取到的步態(tài)特征更加優(yōu)良。[0074]其中，步態(tài)空間特征提取模型的三個(gè)分支的結(jié)構(gòu)具體可根據(jù)實(shí)際情況進(jìn)行設(shè)定，在此不做限定。例如，步態(tài)空間特征提取模型的三個(gè)分支可以由多層二維卷積神經(jīng)網(wǎng)絡(luò)組成；其中淺層神經(jīng)網(wǎng)絡(luò)主要提取輸入的多維多特征步態(tài)序列的邊緣信息、紋理信息等淺層特征；而深層神經(jīng)網(wǎng)絡(luò)則能夠?qū)φw信息進(jìn)行了抽象表示，提取輸入的多維多特征步態(tài)序間特征提取模型的分支中還可設(shè)有殘差結(jié)構(gòu)，殘差結(jié)構(gòu)用于將淺層特征和深層特征進(jìn)行連[0075]另外，步態(tài)空間特征提取模型的三個(gè)分支可具有相同或不相同的結(jié)構(gòu)。[0076]得到目標(biāo)對(duì)象的步態(tài)空間特征后，可以將目標(biāo)對(duì)象的步態(tài)空間特征輸入到步態(tài)時(shí)間特征提取模塊，以利用步態(tài)時(shí)間特征提取模塊對(duì)目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到目標(biāo)對(duì)象的步態(tài)特征。[0077]其中，步態(tài)時(shí)間特征提取模塊的結(jié)構(gòu)具體可根據(jù)實(shí)際情況進(jìn)行設(shè)定，在此不做限定。例如，如圖3所示，步態(tài)時(shí)間特征提取模塊可以由兩層二維和一層三維卷積神經(jīng)網(wǎng)絡(luò)組成的，其中二維卷積神經(jīng)網(wǎng)絡(luò)的卷積核尺寸為1×1,如此能夠在不改變特征尺寸和通道維度的情況下引入更多的非線性運(yùn)算，提升模型的表示能力；三維卷積神經(jīng)網(wǎng)絡(luò)則是增加了對(duì)時(shí)間維度的處理，捕獲在時(shí)間維度上的身體各個(gè)部位的變化特性。同樣，為了進(jìn)一步提升提取特征的有效性，在此步態(tài)時(shí)間特征提取模塊中，使用了殘差結(jié)構(gòu)和特征融合機(jī)制。來(lái)實(shí)現(xiàn)對(duì)目標(biāo)對(duì)象步態(tài)的時(shí)間信息提取。[0078]在本實(shí)施方式中，獲取目標(biāo)對(duì)象的圖像序列，基于目標(biāo)對(duì)象的圖像序列獲取目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列；然后基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列提取目標(biāo)對(duì)象的步態(tài)特征；如此利用目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列的三種特征圖進(jìn)行目標(biāo)對(duì)象的步態(tài)特征提取，通過(guò)骨骼關(guān)鍵點(diǎn)續(xù)序列可以抵消衣物、背包帶來(lái)的影響，且利用身體部位劃分圖序列可以提取到部件的運(yùn)動(dòng)狀態(tài)，從而提取到步態(tài)的運(yùn)動(dòng)細(xì)節(jié)，從而使得通過(guò)本申請(qǐng)的步態(tài)特征提取方法可以提取到較為優(yōu)良且運(yùn)動(dòng)細(xì)節(jié)較為豐富的步態(tài)特征，以提高利用本申請(qǐng)?zhí)崛〉牟綉B(tài)特征進(jìn)行步態(tài)識(shí)別的識(shí)別準(zhǔn)確率。9[0079]進(jìn)一步地，考慮到目標(biāo)對(duì)象運(yùn)動(dòng)時(shí)，身體的各部分的位置和形態(tài)變化的程度不同，如頭部以某一高度小幅度上下運(yùn)動(dòng)，手臂在身側(cè)前后晃動(dòng)或有其他動(dòng)作，腿部前后運(yùn)動(dòng)等等?？梢詫⒛繕?biāo)對(duì)象的步態(tài)特征劃分成多個(gè)子塊，每個(gè)子塊通過(guò)其單獨(dú)對(duì)應(yīng)的映射函數(shù)進(jìn)行映射，對(duì)多個(gè)子塊的映射結(jié)果進(jìn)行融合得到最終的步態(tài)特征，使得最終的步態(tài)特征中每個(gè)身體部件的步態(tài)特征都相對(duì)較為明顯，如此不會(huì)忽略一些運(yùn)動(dòng)幅度較小的部件的運(yùn)動(dòng)細(xì)節(jié)，從而可以提高利用目標(biāo)對(duì)象的步態(tài)特征進(jìn)行身份識(shí)別的準(zhǔn)確率。具申請(qǐng)?zhí)峁┮环N應(yīng)用上述步態(tài)特征分塊處理并融合的技術(shù)特征的步態(tài)特征提取方法，該步態(tài)特征提取方法包括以下步驟。[0080]S201:獲取目標(biāo)對(duì)象的圖像序列。[0081]S202:基于圖像序列，獲取目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列。[0082]S203:基于目標(biāo)對(duì)象的步態(tài)輪廓圖序列、骨骼關(guān)鍵點(diǎn)序列和身體部位劃分圖序列，提取目標(biāo)對(duì)象的步態(tài)特征。[0083]S204:將步態(tài)特征劃分成多個(gè)子塊。[0084]基于上述步驟得到目標(biāo)對(duì)象的步態(tài)特征后，可以將步態(tài)特征劃分成多個(gè)子塊，以便后續(xù)對(duì)每個(gè)子塊利用其單獨(dú)對(duì)應(yīng)的映射函數(shù)進(jìn)行映射，對(duì)多個(gè)子塊的映射結(jié)果進(jìn)行融合得到最終的步態(tài)特征，使得最終的步態(tài)特征中每個(gè)身體部件的步態(tài)特征都相對(duì)較為明顯，如此不會(huì)忽略一些運(yùn)動(dòng)幅度較小的部件的運(yùn)動(dòng)細(xì)節(jié)，并且可以精細(xì)地適應(yīng)不同分塊的運(yùn)動(dòng)特點(diǎn)，從而可以提高利用目標(biāo)對(duì)象的步態(tài)特征進(jìn)行身份識(shí)別的準(zhǔn)確率。[0085]其中，步態(tài)特征的分塊方式具體可根據(jù)實(shí)際情況進(jìn)行設(shè)定，在此不做限制。例如可以將步態(tài)特征水平劃分成多個(gè)子塊。又例如，可以將步態(tài)特征按部件劃分成多個(gè)子塊。[0086]考慮到人體運(yùn)動(dòng)過(guò)程中，相同水平方向上的身體部件運(yùn)動(dòng)狀態(tài)相似，其他方向上(例如相同豎直方向上)身體部件運(yùn)動(dòng)狀態(tài)則差異較大，運(yùn)動(dòng)狀態(tài)相似的區(qū)域，包含的運(yùn)動(dòng)細(xì)節(jié)信息趨于一致，如此較為優(yōu)選的是，將步態(tài)特征水平劃分成多個(gè)子塊。[0087]S205:對(duì)每個(gè)子塊利用其單獨(dú)對(duì)應(yīng)的映射函數(shù)進(jìn)行映射。[0088]基于上述步驟將步態(tài)特征劃分成多個(gè)子塊后，可以通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)每個(gè)子塊進(jìn)行映射。[0089]可選地，在步驟S205中，通過(guò)每個(gè)子塊單獨(dú)對(duì)應(yīng)的映射函數(shù)對(duì)每個(gè)子塊進(jìn)行映射，即子塊和映射函數(shù)是一一對(duì)應(yīng)的，且不同子塊對(duì)應(yīng)的映射函數(shù)相互獨(dú)立且參數(shù)互不影響，如此才能更好地保留每個(gè)子塊所包含的運(yùn)動(dòng)細(xì)節(jié)信息。例如，若步態(tài)特征被水平劃分為n個(gè)子塊，則相應(yīng)地需要利用n個(gè)映射函數(shù)(例如全連接神經(jīng)網(wǎng)絡(luò))分別對(duì)n個(gè)子塊進(jìn)行映射處[0090]可選地，映射函數(shù)可以為全連接神經(jīng)網(wǎng)絡(luò)，如此通過(guò)對(duì)不同位置進(jìn)行加權(quán)求和降低特征位置對(duì)判別的影響。在其他可替換的實(shí)施例中，映射函數(shù)可以為卷積神經(jīng)網(wǎng)絡(luò)(例如可為卷積核尺寸為1×1的卷積神經(jīng)網(wǎng)絡(luò)),如此可以引入更多的非線性表達(dá)。[0091]S206:對(duì)多個(gè)子塊的映射結(jié)果進(jìn)行拼接，得到目標(biāo)對(duì)象的最終步態(tài)特征。[0092]基于上述步驟得到多個(gè)子塊的映射結(jié)果后，可以將多個(gè)子塊的映射結(jié)果進(jìn)行拼接，得到目標(biāo)對(duì)象的最終步態(tài)特征。[0093]可選地，可以按照多個(gè)子塊在步態(tài)特征中的位置，將多個(gè)子塊的映射結(jié)果進(jìn)行拼子塊，然后利用A的映射函數(shù)、B的映射函數(shù)、C的映射函數(shù)和D的映射函數(shù)分別對(duì)A子塊、B子C'和D’進(jìn)行拼接。[0094]步驟S204、S205和S206綜合來(lái)說(shuō)就是，采用分塊的策略將步態(tài)特征圖劃分為N個(gè)子塊，使用參數(shù)互不影響的獨(dú)立的映射函數(shù)將各個(gè)子塊分別映射到判別空間，再在判別空間將映射后的特征向量按分塊前的位置進(jìn)行拼接得到最終的步態(tài)特征。[0095]S207:基于最終步態(tài)特征確定目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限。[0096]基于上述步驟得到目標(biāo)對(duì)象的最終步態(tài)特征后，可以基于目標(biāo)對(duì)象的最終步態(tài)特征確認(rèn)目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限?？梢岳斫獾氖?，在其他可替換的實(shí)施例中，也可基于目標(biāo)對(duì)象的步態(tài)特征(即步驟S203的輸出)確認(rèn)目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限。在目標(biāo)對(duì)象具有目標(biāo)權(quán)限的情況下，保持正常狀態(tài)或響應(yīng)目標(biāo)對(duì)象指令。[0097]可選地，目標(biāo)權(quán)限的權(quán)限種類(lèi)不受限制，可以根據(jù)實(shí)際情況進(jìn)行設(shè)定。例如目標(biāo)權(quán)限可為開(kāi)門(mén)權(quán)限、設(shè)備控制權(quán)限、賬戶(hù)登錄權(quán)限和支付權(quán)限。[0098]在步驟S207中，可以將目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征進(jìn)行匹配；若目標(biāo)對(duì)象的最終步態(tài)特征成功匹配上一個(gè)具有目標(biāo)權(quán)限的用戶(hù)，則目標(biāo)對(duì)象具有目標(biāo)權(quán)限；若目標(biāo)對(duì)象的最終步態(tài)特征與所有具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征均不匹配，則目標(biāo)對(duì)象沒(méi)有目標(biāo)權(quán)限。[0099]其中，目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征進(jìn)行匹配的步驟的具體過(guò)程可以為：計(jì)算目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征之間的余弦距離；若余弦距離大于閾值，則判定目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征不匹配；若余弦距離小于閾值，則判定目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征匹配。當(dāng)然在其他可替換的實(shí)施例中，也可通過(guò)目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征之間的相似度或歐式距離，確認(rèn)目標(biāo)對(duì)象的最終步態(tài)特征和具有目標(biāo)權(quán)限的用戶(hù)的最終步態(tài)特征是否匹配。[0100]另外，若需要通過(guò)目標(biāo)對(duì)象的最終步態(tài)特征確認(rèn)目標(biāo)對(duì)象的身份，則可以在目標(biāo)對(duì)象和底庫(kù)中樣本的最終步態(tài)特征之間的距離(余弦距離或歐式距離)中的最小距離小于閾值的情況下，將目標(biāo)對(duì)象的身份歸為最終步態(tài)特征距離目標(biāo)對(duì)象最小距離的樣本的身份。[0101]可選地，本申請(qǐng)具體可通過(guò)如圖6所示的步態(tài)特征提取網(wǎng)絡(luò)實(shí)現(xiàn)上述步態(tài)特征提取方法，得到目標(biāo)對(duì)象的最終步態(tài)特征。[0102]具體地，可利用步態(tài)輪廓圖提取模塊對(duì)目標(biāo)對(duì)象的圖像序列中圖像進(jìn)行處理，得到圖像序列中每一張圖像的步態(tài)輪廓圖，從而得到目標(biāo)對(duì)象的步態(tài)輪廓圖序列。利用輪廓圖空間特征提取分支對(duì)步態(tài)輪廓圖序列進(jìn)行步態(tài)空間特征提取。[0103]可利用骨骼關(guān)鍵點(diǎn)提取模塊提取圖像序列中圖像中的目標(biāo)對(duì)象骨骼關(guān)鍵點(diǎn)，得到目標(biāo)對(duì)象的骨骼關(guān)鍵點(diǎn)序列。利用關(guān)鍵點(diǎn)空間特征提取分支對(duì)骨骼關(guān)鍵點(diǎn)序列進(jìn)行步態(tài)空間特征提取。[0104]可利用身體部位劃分圖提取模塊提取圖像序列中圖像中的目標(biāo)對(duì)象的各個(gè)身體11部位，得到目標(biāo)對(duì)象的身體部位劃分圖序列。利用身體部位空間特征提取分支對(duì)身體部位劃分圖序列進(jìn)行步態(tài)空間特征提取。[0105]利用融合模塊將步態(tài)輪廓圖序列的步態(tài)空間特征、骨骼關(guān)鍵點(diǎn)序列的步態(tài)空間特征和身體部位劃分圖序列的步態(tài)空間特征進(jìn)行融合，得到目標(biāo)對(duì)象的步態(tài)空間特征。[0106]利用時(shí)間特征提取模塊對(duì)目標(biāo)對(duì)象的步態(tài)空間特征進(jìn)行時(shí)間維度上的信息提取，得到目標(biāo)對(duì)象的步態(tài)特征。[0107]利用分塊模塊將步態(tài)特征劃分成多個(gè)子塊。[0108]利用子塊單獨(dú)映射模塊對(duì)每個(gè)子塊利用其單獨(dú)對(duì)應(yīng)的映射函數(shù)進(jìn)行映射，得到每個(gè)子塊的映射結(jié)果。[0109]利用拼接模塊將多個(gè)子塊的映射結(jié)果進(jìn)行融合，得到目標(biāo)對(duì)象的最終步態(tài)特征。[0110]在利用步態(tài)特征提取網(wǎng)絡(luò)對(duì)目標(biāo)對(duì)象的圖像序列進(jìn)行步態(tài)特征提取之前，可以利用訓(xùn)練數(shù)據(jù)對(duì)步態(tài)特征提取網(wǎng)絡(luò)的至少部分模塊進(jìn)行訓(xùn)練。例如，可以利用訓(xùn)練數(shù)據(jù)對(duì)步態(tài)特征提取網(wǎng)絡(luò)中的輪廓圖空間特征提取分支、關(guān)鍵點(diǎn)空間特征提取分支、身體部位空間特征提取分支、融合模塊、時(shí)間特征提取模塊、分塊模塊、子塊單獨(dú)映射模塊和拼接模塊進(jìn)行訓(xùn)練。[0111]具體地，可以利用三元組損失函數(shù)和/或交叉熵?fù)p失函數(shù)等損失函數(shù)對(duì)步態(tài)特征提取網(wǎng)絡(luò)的至少部分模塊進(jìn)行訓(xùn)練。[0112]此外，可以將上述步態(tài)特征提取方法應(yīng)用到身份識(shí)別方法中，如此可基于上述步態(tài)特征提取方法確定的目標(biāo)對(duì)象的步態(tài)特征，對(duì)目標(biāo)對(duì)象進(jìn)行身份識(shí)別。[0113]具體地，可以通過(guò)對(duì)比各候選步態(tài)特征和目標(biāo)對(duì)象的步態(tài)特征的相似度的方式，確定目標(biāo)對(duì)象的身份信息。[0114]其中，候選步態(tài)特征是基于本申請(qǐng)步態(tài)特征提取方法提取的對(duì)應(yīng)的歷史對(duì)象的步態(tài)特征。[0115]歷史對(duì)象的候選步態(tài)特征的采集過(guò)程可如下所示：響應(yīng)于歷史對(duì)象觸發(fā)的步態(tài)特征創(chuàng)建操作，確定針對(duì)歷史對(duì)象采集的圖像序列；將基于本申請(qǐng)的步態(tài)特征提取方法從針對(duì)歷史對(duì)象采集的圖像序列中提取到的步態(tài)特征，確定為歷史對(duì)象的候選步態(tài)特征。[0116]另外，基于上述方法確定的所有候選步態(tài)特征可以組合成步態(tài)底庫(kù)，并存儲(chǔ)于預(yù)設(shè)存儲(chǔ)空間(例如服務(wù)器或終端)中，以便基于本申請(qǐng)步態(tài)特征提取方法確定目標(biāo)對(duì)象身份時(shí)，可以調(diào)取預(yù)設(shè)存儲(chǔ)空間中的候選步態(tài)特征進(jìn)行對(duì)比。[0117]可選地，可以響應(yīng)于用戶(hù)操作指令，對(duì)存儲(chǔ)于預(yù)設(shè)存儲(chǔ)空間中的候選步態(tài)特征執(zhí)行刪除或增加操作。例如，可以響應(yīng)于歷史對(duì)象觸發(fā)的特征刪除指令，從預(yù)設(shè)存儲(chǔ)空間中刪除特征刪除指令指示的候選步態(tài)特征。[0118]可選地，上述的身份識(shí)別可以理解為確定目標(biāo)對(duì)象的身份(例如人名)。較為優(yōu)選的是，響應(yīng)于各個(gè)相似度中存在第一相似度，將第一相似度對(duì)應(yīng)的歷史對(duì)象的身份信息確定為目標(biāo)對(duì)象的身份信息；第一相似度是大于第一相似度閾值的相似度中的最大值，如此基于目標(biāo)對(duì)象的步態(tài)特征可以確定出較為準(zhǔn)確的身份信息，并且通過(guò)第一相似度閾值，可以避免在目標(biāo)對(duì)象不屬于所有候選步態(tài)特征對(duì)應(yīng)的歷史對(duì)象中的情況下將最大的相似度對(duì)應(yīng)的歷史對(duì)象的身份誤歸于目標(biāo)對(duì)象的身份。其中，第一相似度閾值可以根據(jù)實(shí)際情況進(jìn)行設(shè)定，在此不做限定，例如可為90%或80%。[0119]此外，上述的身份識(shí)別不僅限于理解為確定目標(biāo)對(duì)象的身份(例如人名),還可以理解為確定目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限。如此，上述的歷史對(duì)象可以包括具有目標(biāo)權(quán)限的對(duì)象；通過(guò)對(duì)比各候選步態(tài)特征和目標(biāo)對(duì)象的步態(tài)特征的相似度的方式，確定目標(biāo)對(duì)象的身份信息的步驟的實(shí)施過(guò)程可以為：確定各候選步態(tài)特征和目標(biāo)對(duì)象的步態(tài)特征的相似度；響應(yīng)于各個(gè)相似度中存在大于第二相似度閾值的相似度，確定目標(biāo)對(duì)象具有目標(biāo)權(quán)限。另外，若確認(rèn)目標(biāo)對(duì)象具有目標(biāo)權(quán)限，可以保持正常狀態(tài)或響應(yīng)目標(biāo)對(duì)象指令。若確定目標(biāo)對(duì)象不具有目標(biāo)權(quán)限，可以發(fā)出報(bào)警信息，以保護(hù)具有目標(biāo)權(quán)限的用戶(hù)。其中，第二相似度閾值可以根據(jù)實(shí)際情況進(jìn)行設(shè)定，在此不做限定，例如可為70%或80%。在此不做限定。[0121]具體地，可以將上述步態(tài)特征提取方法應(yīng)用到如圖7所示的報(bào)警系統(tǒng)中，以避免安裝在房屋入口處的多種探測(cè)器的麻煩，如此只需要在需要監(jiān)控的區(qū)域安裝一個(gè)攝像裝置即能實(shí)現(xiàn)對(duì)房屋的安全監(jiān)控，且利用步態(tài)信息遠(yuǎn)距離、非接觸、不易偽裝等特點(diǎn)，來(lái)對(duì)屋內(nèi)人員進(jìn)行身份識(shí)別，能夠應(yīng)對(duì)傳統(tǒng)人臉監(jiān)控情境下人臉拍攝不清晰、入侵者遮擋臉部無(wú)法識(shí)別等問(wèn)題。[0122]其中，如圖7所示，報(bào)警系統(tǒng)可以包括用來(lái)采集目標(biāo)對(duì)象的圖像序列的攝像裝置(可以為智能攝像頭)。該攝像裝置可以配置有電動(dòng)云臺(tái)系統(tǒng)，可以實(shí)現(xiàn)對(duì)屋內(nèi)環(huán)境進(jìn)行多[0123]報(bào)警系統(tǒng)還包括服務(wù)器，服務(wù)器可以用于獲取攝像裝置采集的目標(biāo)對(duì)象的圖像序列，并應(yīng)用上述步態(tài)特征提取方法確認(rèn)目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限，如此可以直接遠(yuǎn)距離地分析走路姿態(tài)而不需要目標(biāo)對(duì)象的配合，且不管目標(biāo)對(duì)象的臉部是否被遮擋，都可以通過(guò)目標(biāo)對(duì)象的步態(tài)特征判定目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限。[0124]服務(wù)器還可以在基于上述的步態(tài)特征提取方法確認(rèn)目標(biāo)對(duì)象不具有目標(biāo)權(quán)限的[0125]例如，可以在目標(biāo)對(duì)象不具有目標(biāo)權(quán)限的情況下，服務(wù)器發(fā)送報(bào)警信號(hào)給報(bào)警模組，以使報(bào)警模組發(fā)出高分貝警鈴聲或亮起警示燈。[0126]又例如，可以在目標(biāo)對(duì)象不具有目標(biāo)權(quán)限的情況，服務(wù)器給具有目標(biāo)權(quán)限的用戶(hù)或管理終端發(fā)出報(bào)警信號(hào)。[0127]進(jìn)一步地，可以在發(fā)出報(bào)警信號(hào)的同時(shí)，服務(wù)器存儲(chǔ)目標(biāo)對(duì)象的錄像，并將目標(biāo)對(duì)象的路徑發(fā)送給具有目標(biāo)權(quán)限的用戶(hù)或管理終端，以使用戶(hù)或管理者知曉入侵者是誰(shuí)，并且保留入侵者入侵證據(jù)。[0128]在上述的報(bào)警系統(tǒng)實(shí)際應(yīng)用前，可以先對(duì)底庫(kù)進(jìn)行編輯，以將具有目標(biāo)權(quán)限的用戶(hù)的步態(tài)圖像序列錄入到底庫(kù)中，以便后續(xù)基于底庫(kù)確認(rèn)目標(biāo)對(duì)象是否具有目標(biāo)權(quán)限。其中，底庫(kù)可存儲(chǔ)于服務(wù)器中，以便后續(xù)服務(wù)器基于采集的目標(biāo)對(duì)象的圖像序列和底庫(kù)確認(rèn)目標(biāo)對(duì)象是否具有用戶(hù)權(quán)限。[0129]在對(duì)底庫(kù)進(jìn)行編輯時(shí)，用戶(hù)可以進(jìn)行步態(tài)底庫(kù)的增加和刪除操作，以應(yīng)對(duì)朋友、親戚、保姆等來(lái)家里做客小住或久住離開(kāi)的情況，使得使用體驗(yàn)更加智能和靈活。[0130]請(qǐng)參閱圖8,圖8是本申請(qǐng)電子設(shè)備20一實(shí)施方式的結(jié)構(gòu)示意圖。本申請(qǐng)電子設(shè)備20包括處理器22,處理器22用于執(zhí)行指令以實(shí)現(xiàn)本申請(qǐng)上述任一實(shí)施方式的方法及任意不沖突的組合所提供的方法。[0131]電子設(shè)備20可為攝像裝置或服務(wù)器等設(shè)備，在此不做限定。[0132]處理器22還可以稱(chēng)為CPU(CentralProcessingUnit,中央處理單元)。處理器22可能是一種集成電路芯片，具有信號(hào)的處理能力。處理器22還可以是通用處理器、數(shù)字信號(hào)處理器(DSP)、專(zhuān)用集成電路(ASIC)、現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA)