买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽博微广成信息科技有限公司申请的专利运动模式增广的步态识别模型的训练方法、步态识别方法及介质、控制器获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119723245B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411801793.7，技术领域涉及：G06V10/774；该发明授权运动模式增广的步态识别模型的训练方法、步态识别方法及介质、控制器是由葛新科;许小明;王可;赵雷雷;魏敏;霍威设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本运动模式增广的步态识别模型的训练方法、步态识别方法及介质、控制器在说明书摘要公布了：本发明公开了一种运动模式增广的步态识别模型的训练方法、步态识别方法及介质、控制器，训练方法包括：使用训练图像集对步态识别模型进行多次周期性的训练，其中，针对每次训练周期，执行以下操作：获取训练图像集，其中，训练图像集包括原始步态剪影序列及其对应的增广步态剪影序列；将原始步态剪影序列和增广步态剪影序列输入至步态识别模型，得到目标步态特征及其对应的分类概率；根据目标步态特征得到三元组损失函数，根据目标步态特征对应的分类概率得到交叉熵损失函数，根据三元组损失函数和交叉熵损失函数得到总损失函数；根据总损失函数，调整步态识别模型的参数，得到训练好的步态识别模型。该训练方法提高了步态识别模型身份识别准确率。

本发明授权运动模式增广的步态识别模型的训练方法、步态识别方法及介质、控制器在权利要求书中公布了：1.一种运动模式增广的步态识别模型的训练方法，其特征在于，所述步态识别模型包括第一分支网络、第二分支网络、多阶段特征聚合网络、元素级特征求和层、全连接层和分类器，其中，所述第一分支网络用以输入原始步态剪影序列，所述第二分支网络用以输入增广步态剪影序列，所述第一分支网络的输出端和所述第二分支网络的输出端与所述多阶段特征聚合网络的输入端连接，所述第一分支网络的输出端和所述多阶段特征聚合网络的输出端与所述元素级特征求和层的输入端连接，所述元素级特征求和层的输出端通过所述全连接层与所述分类器的输入端连接，所述分类器用以输出目标步态特征及其对应的分类概率，所述训练方法包括： 使用训练图像集对步态识别模型进行多次周期性的训练，其中，针对每次训练周期，执行以下操作： 获取训练图像集，其中，所述训练图像集包括原始步态剪影序列及其对应的增广步态剪影序列； 将所述原始步态剪影序列和所述增广步态剪影序列输入至步态识别模型，得到目标步态特征及其对应的分类概率； 根据所述目标步态特征得到三元组损失函数，根据所述目标步态特征对应的分类概率得到交叉熵损失函数，根据所述三元组损失函数和所述交叉熵损失函数得到总损失函数； 根据所述总损失函数，调整所述步态识别模型的参数，得到训练好的步态识别模型； 其中，获取增广步态剪影序列包括： 获取原始步态剪影序列； 针对所述原始步态剪影序列中每一步态剪影图像，对所述步态剪影图像中每一图像在所述步态剪影图像的高度方向进行平均切分，得到r个切片图，固定顶部的第一切片图，将剩余r-1个切片图沿所述步态剪影图像的宽度方向依次向右移l、2×l、……、（r-1）×l个像素，生成前倾行走序列；或， 针对所述原始步态剪影序列中每一步态剪影图像，对所述步态剪影图像中每一图像在所述步态剪影图像的高度方向进行平均切分，得到r个切片图，固定顶部的第一切片图，将剩余r-1个切片图沿所述步态剪影图像的宽度方向依次向左移l、2×l、……、（r-1）×l个像素，生成后仰行走序列；或， 针对所述原始步态剪影序列中每一步态剪影图像，对所述步态剪影图像中每一图像在所述步态剪影图像的宽度方向进行平均切分，得到r个切片图，固定最左侧的第一切片图，将剩余r-1个切片图沿所述步态剪影图像的高度方向依次向下移l、2×l、……、（r-1）×l个像素，生成上楼行走序列；或， 针对所述原始步态剪影序列中每一步态剪影图像，对所述步态剪影图像中每一图像在所述步态剪影图像的宽度方向进行平均切分，得到r个切片图，固定顶部的第一切片图，将剩余r-1个切片图沿所述步态剪影图像的高度方向依次向上移l、2×l、……、（r-1）×l个像素，生成下楼行走序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽博微广成信息科技有限公司，其通讯地址为：230088 安徽省合肥市高新区天智路5号同创科技园3幢3层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。