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！

龙图腾网获悉郑州大学申请的专利一种基于有限监督信息的联合学习步态表征方法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：CN116453214B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310342494.0，技术领域涉及：G06V40/20；该发明授权一种基于有限监督信息的联合学习步态表征方法是由胡传平;奚昊;任楷;李永强;陈朋朋;朱思腾;许英奇设计研发完成，并于2023-04-03向国家知识产权局提交的专利申请。

本一种基于有限监督信息的联合学习步态表征方法在说明书摘要公布了：本发明公开了一种基于有限监督信息的联合学习步态表征方法，属于深度学习和模式识别技术领域；提出一种同时利用半监督和自监督学习，联合学习步态时空特征表示的新方法，包含两个主要的分支：1半监督分支中，通过在输入的步态序列中引入序列级形态学扰动，增加数据的多样性，并利用MeanTeacher架构学习鲁棒的特征表示；2自监督分支中，定义了两个与步态识别任务相关的辅助任务，包括管道掩码重建和片段顺序预测，以加强网络学习相关性特征的能力。本发明方法将半监督和自监督学习应用于步态识别任务的工作，能够从有限的被标注的步态序列中学习特定的任务特征，并从未被标注的数据中挖掘出强大的通用特征，识别性能得到显著提升。

本发明授权一种基于有限监督信息的联合学习步态表征方法在权利要求书中公布了：1.一种基于有限监督信息的联合学习步态表征方法，其特征在于：包括以下步骤： S1、构建输入数据与输出数据之间在网络中的关系： 给定一个长度为k的步态轮廓序列式中，其中h和w分别表示帧的高度和宽度，表示特征矩阵，并将作为输入数据； N个候选主体定义为yi,i∈1,2,…,N，其中yi是第i个主体，则输出数据表示为一个n维的向量：式中，即属于yi的可能性；进一步令y是输入数据的身份ID，y表述为： S2、优化半监督分支模型： 基于半监督的损失优化模型student模型fx,θ,η和teacher模型fx,θ′,η′，在模型中增加序列级形态学扰动，从上述步骤S1中得到的步态轮廓序列中随机选择出μ帧步态轮廓图，其中μ是一个超参数，对于被选出的μ帧步态图，采用形态学的扰动方案，首先对轮廓图进行边缘检测，检测出轮廓边缘上的像素点，随后按概率随机的丢弃掉其轮廓边缘上的像素点，或在像素点的邻域上增加新的像素值，新像素值的取值应为其邻域像素的平均值，获得优化后的半监督分支模型； S3、在自监督分支模型中构建和步态识别任务高度相关的辅助任务： 1管道掩码重建：模拟现实场景中被识别主体被障碍物遮挡而缺失关键信息的情况，沿时间维度遮盖掉步态帧相同区域的像素后进行重建，使模型学习到高层次的语义信息； 管道掩码重建的具体步骤包括：1步态片段：采用步长为τ的时间采样策略从步态轮廓序列中抽取一个由n帧组成的片段记为c，采样步态片段数据；2管道掩码：使用管道掩码策略，分别在CASIA-B和OUMVLP两个数据集上设定步长τ的数值，根据步长τ的设定数值将片段c切分为多个非重叠的立方体；3token嵌入：每个立方体用token嵌入方法进行编码，并将每个token映射到通道维度；4重建步态片段：使用高遮蔽率的策略丢弃掉部分立方体，将未遮蔽的立方体作为基础模块的输入进行训练，最后通过网络训练得到的遮蔽特征图和可学习的掩码tokens一起重建被丢弃的立方体； 2片段顺序预测：将原始步态序列打乱顺序，采用步态帧组成的片段对步态序列的顺序预测， 顺序预测的具体步骤包括：1先从完整的步态序列中均匀采样N个有序的片段组成一个元组C＝c1,c2,...,cn，其中n是帧的数量，随机打乱元组C中片段的顺序后，元组C作为输入被送入神经网络中学习高级语义特征，输出不同顺序的概率分布，真实的顺序将被作为目标进行训练优化； S4、将半监督分支模型和自监督分支模型联合建立在步态识别网络GaitGL上，进行优化训练得到联合损失函数： 步态识别网络GaitGL中用于特征提取的基础组件采用R2+1D结构，包括Mi个尺寸为Ni-1×1×d×d的二维卷积核和Ni个尺寸为Mi×t×d×d的一维卷积核； 联合损失函数的公式为：Ltotal＝Ltri+λcontLcont+λreconsLrecons+λorderLorder，式中，Ltotal为总损失，λcont为半监督损失的加权项，λrecons和λorder为自监督损失的加权项，Ltri为半监督分支中有监督的识别损失，Lcont为半监督分支中MeanTeacher框架的一致性正则化损失，Lrecons为自监督分支中管道掩码重建任务的损失，Lorder为自监督分支中片段顺序预测任务的损失。

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郑州大学，其通讯地址为：450000 河南省郑州市高新技术开发区科学大道100号；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”。

以上内容由龙图腾AI智能生成。