基于步态的进度提示方法、装置及计算机可读存储介质.pdf

《基于步态的进度提示方法、装置及计算机可读存储介质.pdf》由会员分享，可在线阅读，更多相关《基于步态的进度提示方法、装置及计算机可读存储介质.pdf（18页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010370994.1 (22)申请日 2020.04.30 (71)申请人 深圳壹账通智能科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 张娟 (74)专利代理机构 深圳市沃德知识产权代理事 务所(普通合伙) 44347 代理人 高杰于志光 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/48(2006.01) G06K 9/62(2006.01) G06T 5/00(2006.01) G。

2、06T 7/90(2017.01) G07C 11/00(2006.01) (54)发明名称 基于步态的进度提示方法、 装置及计算机可 读存储介质 (57)摘要 本发明涉及人工智能领域， 揭露了一种基于 步态的进度提示方法， 包括获取用户的步态图像 集并记录获取所述步态图像集的时间； 提取所述 步态图像集中步态的边界轮廓数据， 根据所述边 界轮廓数据计算步态周期数据； 根据所述边界轮 廓数据和步态周期数据进行用户身份识别， 确定 用户的身份信息； 根据预设进度判别标准以及获 取所述步态图像集的时间， 计算业务进度处理结 果， 并将所述业务进度处理结果根据所述身份信 息推送给相应的用户。 本发明。

3、可以解决业务办理 时需要时刻关注大屏幕， 才能了解排队进度的问 题。 此外， 本发明还涉及区块链技术， 所述身份信 息可存储于区块链中。 权利要求书2页 说明书12页 附图3页 CN 111611882 A 2020.09.01 CN 111611882 A 1.一种基于步态的进度提示方法， 其特征在于， 所述方法包括： 获取用户的步态图像集并记录获取所述步态图像集的时间； 提取所述步态图像集中步态的边界轮廓数据， 根据所述边界轮廓数据计算步态周期数 据； 根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定用户的身份信息； 根据预设进度判别标准以及获取所述步态图像集的时间， 计算业务进。

4、度处理结果， 并 将所述业务进度处理结果根据所述身份信息推送给相应的用户。 2.如权利要求1所述的基于步态的进度提示方法， 其特征在于， 所述提取所述步态图像 集中步态的边界轮廓数据之前该方法还包括： 对所述步态图像集进行灰度转换预处理， 得到灰度图像集； 对所述灰度图像集进行降噪预处理， 得到预处理完成的步态图像集。 3.如权利要求2所述的基于步态的进度提示方法， 其特征在于， 所述对所述灰度图像集 进行降噪预处理， 包括： 根据如下计算公式， 对所述灰度图像集进行降噪处理， 得到所述预处理完成的步态图 像集g(x,y)： g(x,y)medf(x-k,y-l),(k,lW) 其中， f(x。

5、,y)为所述灰度图像集中的像素点， W为二维滑动模板， l、 k为所述二维滑动模 板边界上像素点的坐标， med为降噪处理运算。 4.如权利要求1所述的基于步态的进度提示方法， 其特征在于， 所述提取所述步态图像 集中步态的边界轮廓数据， 包括： 对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集； 将所述滤波步态图像集进行边缘细化处理， 得到细化步态图像集； 利用双阈值法对所述细化步态图像集进行连接处理， 得到所述边界轮廓数据。 5.如权利要求4所述的基于步态的进度提示方法， 其特征在于， 所述对所述步态图像集 进行平滑滤波处理， 得到滤波步态图像集， 包括： 利用高斯滤波器对所述步态图。

6、像集进行平滑滤波处理， 得到滤波步态图像集G(x,y)： G(x,y)g(x,y)*H(x,y) H(x,y)exp-(x2+y2)/2 2 其中， g(x,y)为所述步态图像集， H(x,y)为所述高斯滤波器， x、 y为所述步态图像集中 像素坐标， exp为滤波处理运算， 表示系统参数。 6.如权利要求1所述的基于步态的进度提示方法， 其特征在于， 所述根据所述边界轮廓 数据和步态周期数据进行用户身份识别， 确定用户的身份信息， 包括： 将所述边界轮廓数据和步态周期数据输入至一个预先训练完成的特征提取模型进行 身份识别， 得到所述身份信息， 所述身份信息存储于区块链中。 7.如权利要求6所。

7、述的基于步态的进度提示方法， 其特征在于， 所述预先训练完成的特 征提取模型的训练过程包括： 步骤A： 获取用户身份训练信息， 以及所述用户身份训练信息对应的标准边界轮廓数据 和标准步态周期数据； 步骤B： 利用特征提取模型对所述用户身份训练信息进行转化， 得到用户特征； 权利要求书 1/2 页 2 CN 111611882 A 2 步骤C： 将所述用户特征、 所述标准边界轮廓数据和标准步态周期数据输入至所述特征 提取模型的损失函数中进行计算， 得到损失值， 当所述损失值大于或等于预设的损失阈值 时， 调整所述特征提取模型参数， 返回步骤B重新进行转化； 步骤D： 当所述损失值小于预设的损失阈。

8、值时， 得到所述训练完成的特征提取模型。 8.一种基于步态的进度提示装置， 其特征在于， 所述装置包括： 步态图像获取模块， 用于获取用户的步态图像集并记录获取所述步态图像集的时间； 步态数据处理模块， 用于提取所述步态图像集中步态的边界轮廓数据， 根据所述边界 轮廓数据计算步态周期数据； 身份识别模块， 用于根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定 用户的身份信息； 进度提示模块， 用于根据预设进度判别标准以及获取所述步态图像集的时间， 计算业 务进度处理结果， 并将所述业务进度处理结果根据所述身份信息推送给相应的用户。 9.一种电子设备， 其特征在于， 所述电子设备包括：。

9、 至少一个处理器； 以及， 与所述至少一个处理器通信连接的存储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的基于步态的 进度提示方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述的基于步态的进度提示方法。 权利要求书 2/2 页 3 CN 111611882 A 3 基于步态的进度提示方法、 装置及计算机可读存储介质 技术领域 0001 本发明涉及人工智能技术领域， 尤其涉及一种基于步态的进度。

10、提示方法、 装置、 电 子设备及计算机可读存储介质。 背景技术 0002 目前， 现有很多领域的应用场景中都存在需要排队等待的情况。 例如， 在银行网点 的柜台进行业务办理的时候， 往往因为客户人数过多和银行人员进行业务办理需要一定的 时间两个主要原因， 导致客户需要进行排队等待。 0003 在排队等待时， 人们需要时刻了解排队的进度情况。 在现有技术中， 人们在到银行 等场所办理业务时， 都会被分配一个排队号， 根据自己的排队号以及大屏幕上显示的正在 处理的排队号， 人们可以了解排队进度， 但是利用这种方式， 人们需要排队取号， 取号之后 还需要人们时刻关注大屏幕的信息， 当人们有其他事情需。

11、要处理， 不方便时刻关注大屏幕 时， 就不能及时了解排队进度了。 发明内容 0004 本发明提供一种基于步态的进度提示方法、 装置、 电子设备及计算机可读存储介 质， 其主要目的在于提供一种不需要用户取号， 也不需要时刻关注大屏幕， 就能了解排队进 度的方案。 0005 为实现上述目的， 本发明提供的一种基于步态的进度提示方法， 包括： 0006 获取用户的步态图像集并记录获取所述步态图像集的时间； 0007 提取所述步态图像集中步态的边界轮廓数据， 根据所述边界轮廓数据计算步态周 期数据； 0008 根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定用户的身份信 息； 0009 根据。

12、预设进度判别标准以及获取所述步态图像集的时间， 计算业务进度处理结 果， 并将所述业务进度处理结果根据所述身份信息推送给相应的用户。 0010 可选地， 所述提取所述步态图像集中步态的边界轮廓数据之前该方法还包括： 0011 对所述步态图像集进行灰度转换预处理， 得到灰度图像集； 0012 对所述灰度图像集进行降噪预处理， 得到预处理完成的步态图像集。 0013 可选地， 所述对所述灰度图像集进行降噪预处理， 包括： 0014 根据如下计算公式， 对所述灰度图像集进行降噪处理， 得到所述预处理完成的步 态图像集g(x,y)： 0015 g(x,y)medf(x-k,y-l),(k,lW) 00。

13、16 其中， f(x,y)为所述灰度图像集中的像素点， W为二维滑动模板， l、 k为所述二维滑 动模板边界上像素点的坐标， med为降噪处理运算。 0017 可选地， 所述提取所述步态图像集中步态的边界轮廓数据， 包括： 说明书 1/12 页 4 CN 111611882 A 4 0018 对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集； 0019 将所述滤波步态图像集进行边缘细化处理， 得到细化步态图像集； 0020 利用双阈值法对所述细化步态图像集进行连接处理， 得到所述边界轮廓数据。 0021 可选地， 所述对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集， 包括： 00。

14、22 利用高斯滤波器对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集G(x, y)： 0023 G(x,y)g(x,y)*H(x,y) 0024 H(x,y)exp-(x2+y2)/2 2 0025 其中， g(x,y)为所述步态图像集， H(x,y)为所述高斯滤波器， exp为滤波处理运算， 表示系统参数。 0026 可选地， 所述根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定用 户的身份信息， 包括： 0027 将所述边界轮廓数据和步态周期数据输入至一个预先训练完成的特征提取模型 进行身份识别， 得到所述身份信息。 0028 可选地， 所述预先训练完成的特征提取模型的训练。

15、过程包括： 0029 步骤A： 搜集用户身份训练信息， 以及所述用户身份训练信息对应的标准边界轮廓 数据和标准步态周期数据； 0030 步骤B： 利用特征提取模型对所述用户身份训练信息进行转化， 得到用户特征； 0031 步骤C： 将所述用户特征、 所述标准边界轮廓数据和标准步态周期数据输入至所述 特征提取模型的损失函数中进行计算， 得到损失值， 当所述损失值大于或等于预设的损失 阈值时， 调整所述特征提取模型参数， 返回步骤B重新进行转化； 0032 步骤D： 当所述损失值小于预设的损失阈值时， 得到所述训练完成的特征提取模 型。 0033 为了解决上述问题， 本发明还提供一种基于步态的进度。

16、提示方法， 所述装置包括： 0034 步态图像获取模块， 用于获取用户的步态图像集并记录获取所述步态图像集的时 间； 0035 步态数据处理模块， 用于提取所述步态图像集中步态的边界轮廓数据， 根据所述 边界轮廓数据计算步态周期数据； 0036 身份识别模块， 用于根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定用户的身份信息； 0037 进度提示模块， 用于根据预设进度判别标准以及获取所述步态图像集的时间， 计 算业务进度处理结果， 并将所述业务进度处理结果根据所述身份信息推送给相应的用户。 0038 为了解决上述问题， 本发明还提供一种电子设备， 所述电子设备包括： 0039 存。

17、储器， 存储至少一个指令； 及 0040 处理器， 执行所述存储器中存储的指令以实现上述的基于步态的进度提示方法。 0041 为了解决上述问题， 本发明还提供一种计算机可读存储介质， 所述计算机可读存 储介质中存储有至少一个指令， 所述至少一个指令被电子设备中的处理器执行以实现上述 的基于步态的进度提示方法。 0042 本发明实施例获取用户的步态图像集并记录获取所述步态图像集的时间， 根据所 说明书 2/12 页 5 CN 111611882 A 5 述步态图像集的获取时间的先后， 可以对办理业务的用户进行排序， 从而不再需要用户排 队取号， 进一步根据所述边界轮廓数据和步态周期数据可以确定用。

18、户的身份信息， 以将计 算得到的业务进度处理结果推送给相应的用户， 使得用户不需要主动的去获取， 也能时刻 了解业务的进度处理结果信息。 因此， 本发明提供的基于步态的进度提示方法、 装置、 电子 设备及计算机可读存储介质， 可以提供一种不需要用户时刻关注大屏幕上的显示的进度信 息， 就能了解排队进度的方案。 附图说明 0043 图1为本发明一实施例提供的基于步态的进度提示方法的流程示意图； 0044 图2为本发明一实施例提供的基于步态的进度提示装置的模块示意图； 0045 图3为本发明一实施例提供的基于步态的进度提示方法的电子设备的内部结构示 意图； 0046 本发明目的的实现、 功能特点及。

19、优点将结合实施例， 参照附图做进一步说明。 具体实施方式 0047 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并不用于限定本发明。 0048 本发明提供一种基于步态的进度提示方法。 参照图1所示， 为本发明一实施例提供 的基于步态的进度提示方法的流程示意图。 该方法可以由一个装置执行， 该装置可以由软 件和/或硬件实现。 0049 在本实施例中， 基于步态的进度提示方法包括： 0050 S1、 获取用户图像集并记录获取所述步态图像集的时间。 0051 在本发明实例的其中一个应用场景中， 所述用户步态图像集可以通过利用预先安 装于业务办理地点的摄像头拍摄来办理业务的每一个客户进入所。

20、述业务办理地点时的多 张图片得到。 0052 进一步地， 本发明实施例可以根据不同客户的步态图像集的获取时间顺序， 可以 生成客户办理业务的排队序列， 从而对进入业务办理地点来办理业务的客户进行排序， 免 去客户排队取号的麻烦。 0053 进一步地， 本发明实施例获取所述步态图像集之后， 为了后续更好地提取所述步 态图像集中包含的信息， 需要对所述步态图像集进行灰度转换预处理， 得到灰度图像集。 0054 详细地， 所述对所述步态图像集进行灰度转换预处理， 得到灰度图像集， 包括： 0055 利用如下像素转换公式对所述步态图像集进行灰度转换预处理： 0056 Gray0.30*R+0.59*G。

21、+0.11*B 0057 其中， Gray为所述灰度转换后的像素值； R， G， B分别为所述步态图像集中像素的三 分量。 0058 根据上述像素转换公式将所述步态图像集中的所有像素转换完成后， 得到灰度图 像集。 0059 进一步地， 所述灰度图像集中的图像可能存在许多噪点， 导致后续对所述灰度图 像集中对信息提取出现错误， 因此可能需要对所述灰度图像集进行降噪预处理， 得到预处 理完成对步态图像集。 说明书 3/12 页 6 CN 111611882 A 6 0060 详细地， 所述对所述灰度图像集进行降噪预处理， 得到预处理完成对步态图像集， 包括： 0061 将所述灰度图像集中任一像素。

22、点的像素值用该像素点的邻域中各像素点的像素 值的中值代替， 使得所述该像素点接近真实值， 从而消除孤立的噪声点。 0062 详细地， 所述邻域可以利用预设的圆形结构的二维滑动模板获得。 进一步地， 本发 明实施例将所述二维滑动模板内像素按照像素值的大小进行排序， 生成单调上升(或下降) 的二维数据序列， 以找到所述邻域中各像素点的像素值的中值。 0063 详细地， 本发明实施例根据如下计算公式， 对所述灰度图像集进行降噪处理， 得到 所述步态图像集g(x,y)： 0064 g(x,y)medf(x-k,y-l),(k,lW) 0065 其中， f(x,y)为所述灰度图像集； W为预设的二维滑动。

23、模板； j、 k为所述二维滑动模 板边界上像素点的坐标； med为降噪处理运算。 0066 S2、 提取所述步态图像集中步态的边界轮廓数据， 根据所述边界轮廓数据计算步 态周期数据。 0067 在本发明实例中， 所述提取所述步态图像集中步态的边界轮廓数据， 包括： 0068 对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集； 0069 将所述滤波步态图像集进行边缘细化处理， 得到细化步态图像集； 0070 利用双阈值法对所述细化步态图像集进行连接处理， 得到所述边界轮廓数据。 0071 其中， 所述对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集， 包括： 0072 利用高斯滤波器。

24、对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集G(x, y)： 0073 G(x,y)g(x,y)*H(x,y) 0074 H(x,y)exp-(x2+y2)/2 2 0075 其中， g(x,y)为所述步态图像集， H(x,y)为所述高斯滤波器， x、 y为所述步态图像 集中像素坐标， exp为滤波处理运算， 表示系统参数。 0076 进一步地， 所谓细化， 通常是把一个具有一定面积的区域用一条曲线来代表它。 边 缘细化， 即为把较粗的边缘用一条较细的曲线来表示。 本发明较佳实施例中， 所述将所述滤 波步态图像集进行边缘细化处理， 得到细化步态图像集， 包括： 0077 计算所述滤波。

25、步态图像集梯度幅度和梯度方向， 并将局部的最大梯度值的点进行 保留， 然后对非极大值进行抑制， 即将非局部极大值点归置为零以得到所述细化步态图像 集。 0078 其中， 梯度是指用一个标量函数计算出的场中向量增长最快的方向； 局部是指滤 波步态图像中进行梯度处理的区域； 非局部是指滤波步态图像中不进行梯度处理的区域。 0079 进一步地， 由于所述滤波器在滤除噪声的过程中可能将所述步态图像集中一些正 常像素当做噪声滤除掉了， 得到的所述细化步态图像集可能会在某点处发生间断， 因此本 发明实施例利用双阈值法对所述细化步态图像集中的间断进行连接处理， 得到所述边界轮 廓数据， 包括： 0080 定。

26、义阈值T1和T2(其中， T1T2)， 得到以阈值T1和T2作为边缘数值的阈值边缘图像N1 i,j和N2i,j； 说明书 4/12 页 7 CN 111611882 A 7 0081 在N1i,j的邻域内寻找可以连接到N2i,j中边界轮廓上的间断点并进行N1i, j和N2i,j之间的连接处理， 直到所述细化步态图像集中的所有间断点连接起来为止， 得 到所述边界轮廓数据。 0082 详细地， 所述阈值T1和T2为预设的圆形滑动模块， 所述圆形滑动模块的直径以像素 宽度计量， mT1T2n， 其中， m为单位像素宽度， n为所述细化步态图像集的像素宽度之和。 0083 进一步地， 所述阈值T1和T。

27、2定义完成后， 得到阈值T1和T2作为边缘数值的阈值边缘 图像N1i,j和N2i,j， 即为两个分别以T1和T2为直径的圆形滑动模块， 其中N1i,j在N2 i,j之内进行滑动， N2i,j在所述细化步态图像集中进行滑动。 当所述N1i,j中出现像 素的间断时， 将所述间断点连接到N2i,j内的边界轮廓上。 0084 进一步地， 根据所述边界轮廓数据计算步态周期数据， 包括： 0085 根据所述边界轮廓数据， 测出一个人行走过程中左脚底部A点与右脚底部B点的步 幅L； 0086 在预构建的直角坐标系中对所述步幅L进行描述， 当所述步幅L大于或等于预设的 步幅阈值时， 在以帧为横轴以步幅为纵轴的。

28、坐标图中标记为波峰位置， 当所述步幅L小于所 述步幅阈值时， 在所述坐标图中标记为波谷位置； 0087 统计出相邻的所述波峰位置之间图像的帧数； 0088 根据步幅周期计算公式得到所述步幅周期T： 0089 TtN 0090 其中， t单位为ms， 表示提取一帧的时间， N表示相邻的每个波峰间图像的帧数。 0091 S3、 根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定用户的身份 信息。 0092 在本发明实例中， 利用预先构建的具有身份识别功能的特征提取模型来实现对所 述边界轮廓数据和步态周期数据的识别处理。 即， 本发明实施例将所述边界轮廓数据和步 态周期数据输入至训练完成的特。

29、征提取模型进行身份识别， 得到所述身份信息。 需要强调 的是， 为进一步保证身份信息的私密和安全性， 身份还可以存储于一区块链的节点中。 0093 进一步地， 所述根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定 用户的身份信息， 包括： 0094 步骤A： 获取用户身份训练信息， 以及所述用户身份训练信息对应的标准边界轮廓 数据和标准步态周期数据， 其中， 所述用户身份训练信息可以包括用户的面部图像、 指纹等 能够表征用户身份的数据以及用户的联系方式等； 0095 步骤B： 利用所述特征提取模型对所述用户身份训练信息进行转化， 得到用户特 征； 0096 步骤C： 将所述用户特征、。

30、 所述标准边界轮廓数据和标准步态周期数据输入至所述 特征提取模型的损失函数中进行计算， 得到损失值， 当所述损失值大于或等于预设的损失 阈值时， 调整所述特征提取模型参数， 返回步骤B重新进行转化； 0097 步骤D： 当所述损失值小于预设的损失阈值时， 得到训练完成的特征提取模型。 0098 优选地， 本发明实施例从一个用户数据库中获取用户的身份信息数据以及用户身 份信息对应的标准边界轮廓数据和标准步态周期数据。 进一步地， 所述特征提取模型的损 失函数如下： 说明书 5/12 页 8 CN 111611882 A 8 0099 0100其中， 表示用户特征， Y表示标准边界轮廓数据和标准步。

31、态周期数据， 表示误差 因子， 为预设常数， 这里用来表示损失函数，越小， 模型模型的性能越好。 0101 S4、 根据预设进度判别标准以及获取所述步态图像集的时间， 计算业务进度处理 结果， 并将所述业务进度处理结果根据所述身份信息推送给相应的用户。 0102 在本发明实例中， 业务进度是按照不同业务相应制定的， 面对不同的业务， 预先设 定业务办理的时间阈值， 按照业务已办理时间和所述业务办理的时间阈值的比值来计算进 度。 0103 例如， 业务Q预设的业务办理时间为T分钟， 根据如下业务进度计算公式计算所述 业务进度F： 0104 0105 其中， 业务已办理时间为t， 为客户平均办理业。

32、务时间， n为还需等待的排队人 数。 0106 详细地， 所述客户平均办理业务时间可以根据历史上每位客户办理业务的时间进 行求和计算后再求平均数得到。 0107 如上所述， 根据不同客户的步态图像集的获取时间顺序， 可以生成客户办理业务 的排队序列， 从而可以获得每个客户还需等待的排队人数。 0108 进一步地， 将得到的所述业务进度按照上述身份识别的结果通知给相应客户， 本 发明实施例中可以将所述业务办理进度F利用手机App将业务办理进度推送给客户。 0109 本发明实施例获取用户的步态图像集并记录获取所述步态图像集的时间， 根据所 述步态图像集的获取时间的先后， 可以对办理业务的用户进行排。

33、序， 从而不再需要用户排 队取号， 进一步根据所述边界轮廓数据和步态周期数据可以确定用户的身份信息， 以将计 算得到的业务进度处理结果推送给相应的用户， 使得用户不需要主动的去获取， 也能时刻 了解业务的进度处理结果信息。 因此， 本发明提供的基于步态的进度提示方法、 装置、 电子 设备及计算机可读存储介质， 可以提供一种不需要用户时刻关注大屏幕上的显示的进度信 息， 就能了解排队进度的方案。 0110 如图2所示， 是本发明基于步态的进度提示方法装置的功能模块图。 0111 本发明所述基于步态的进度提示装置100可以安装于电子设备中。 根据实现的功 能， 所述基于步态的进度提示方法装置可以包。

34、括步态图像获取模块101、 步态数据处理模块 102、 身份识别模块103和进度提示模块104。 本发所述模块也可以称之为单元， 是指一种能 够被电子设备处理器所执行， 并且能够完成固定功能的一系列计算机程序段， 其存储在电 子设备的存储器中。 0112 在本实施例中， 关于各模块/单元的功能如下： 0113 所述步态图像获取模块101， 用于获取用户的步态图像集并记录获取所述步态图 像集的时间； 0114 所述步态数据处理模块102， 用于提取所述步态图像集中步态的边界轮廓数据， 根 说明书 6/12 页 9 CN 111611882 A 9 据所述边界轮廓数据计算步态周期数据； 0115 。

35、所述身份识别模块103， 用于根据所述边界轮廓数据和步态周期数据进行用户身 份识别， 确定用户的身份信息； 0116 所述进度提示模块104， 用于根据预设进度判别标准以及获取所述步态图像集的 时间， 计算业务进度处理结果， 并将所述业务进度处理结果根据所述身份信息推送给相应 的用户。 0117 详细地， 所述的基于步态的进度提示装置各模块的具体实施步骤如下： 0118 所述步态图像获取模块101获取用户图像集并记录获取所述步态图像集的时间。 0119 在本发明实例的其中一个应用场景中， 所述用户步态图像集可以通过利用预先安 装于业务办理地点的摄像头拍摄来办理业务的每一个客户进入所述业务办理地。

36、点时的多 张图片得到。 0120 进一步地， 本发明实施例可以根据不同客户的步态图像集的获取时间顺序， 可以 生成客户办理业务的排队序列， 从而对进入业务办理地点来办理业务的客户进行排序， 免 去客户排队取号的麻烦。 0121 进一步地， 本发明实施例获取所述步态图像集之后， 为了后续更好地提取所述步 态图像集中包含的信息， 需要对所述步态图像集进行灰度转换预处理， 得到灰度图像集。 0122 详细地， 所述对所述步态图像集进行灰度转换预处理， 得到灰度图像集， 包括： 0123 利用如下像素转换公式对所述步态图像集进行灰度转换预处理： 0124 Gray0.30*R+0.59*G+0.11*。

37、B 0125 其中， Gray为所述灰度转换后的像素值； R， G， B分别为所述步态图像集中像素的三 分量。 0126 根据上述像素转换公式将所述步态图像集中的所有像素转换完成后， 得到灰度图 像集。 0127 进一步地， 所述灰度图像集中的图像可能存在许多噪点， 导致后续对所述灰度图 像集中对信息提取出现错误， 因此可能需要对所述灰度图像集进行降噪预处理， 得到预处 理完成对步态图像集。 0128 详细地， 所述对所述灰度图像集进行降噪预处理， 得到预处理完成对步态图像集， 包括： 0129 将所述灰度图像集中任一像素点的像素值用该像素点的邻域中各像素点的像素 值的中值代替， 使得所述该像。

38、素点接近真实值， 从而消除孤立的噪声点。 0130 详细地， 所述邻域可以利用预设的圆形结构的二维滑动模板获得。 进一步地， 本发 明实施例将所述二维滑动模板内像素按照像素值的大小进行排序， 生成单调上升(或下降) 的二维数据序列， 以找到所述邻域中各像素点的像素值的中值。 0131 详细地， 本发明实施例根据如下计算公式， 对所述灰度图像集进行降噪处理， 得到 所述步态图像集g(x,y)： 0132 g(x,y)medf(x-k,y-l),(k,lW) 0133 其中， f(x,y)为所述灰度图像集； W为预设的二维滑动模板； j、 k为所述二维滑动模 板边界上像素点的坐标； med为降噪处。

39、理运算。 0134 所述步态数据处理模块102提取所述步态图像集中步态的边界轮廓数据， 根据所 说明书 7/12 页 10 CN 111611882 A 10 述边界轮廓数据计算步态周期数据。 0135 在本发明实例中， 所述提取所述步态图像集中步态的边界轮廓数据， 包括： 0136 对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集； 0137 将所述滤波步态图像集进行边缘细化处理， 得到细化步态图像集； 0138 利用双阈值法对所述细化步态图像集进行连接处理， 得到所述边界轮廓数据。 0139 其中， 所述对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集， 包括： 0140 利用。

40、高斯滤波器对所述步态图像集进行平滑滤波处理， 得到滤波步态图像集G(x, y)： 0141 G(x,y)g(x,y)*H(x,y) 0142 H(x,y)exp-(x2+y2)/2 2 0143 其中， g(x,y)为所述步态图像集， H(x,y)为所述高斯滤波器， x、 y为所述步态图像 集中像素坐标， exp为滤波处理运算， 表示系统参数。 0144 进一步地， 所谓细化， 通常是把一个具有一定面积的区域用一条曲线来代表它。 边 缘细化， 即为把较粗的边缘用一条较细的曲线来表示。 本发明较佳实施例中， 所述将所述滤 波步态图像集进行边缘细化处理， 得到细化步态图像集， 包括： 0145 计。

41、算所述滤波步态图像集梯度幅度和梯度方向， 并将局部的最大梯度值的点进行 保留， 然后对非极大值进行抑制， 即将非局部极大值点归置为零以得到所述细化步态图像 集。 0146 其中， 梯度是指用一个标量函数计算出的场中向量增长最快的方向； 局部是指滤 波步态图像中进行梯度处理的区域； 非局部是指滤波步态图像中不进行梯度处理的区域。 0147 进一步地， 由于所述滤波器在滤除噪声的过程中可能将所述步态图像集中一些正 常像素当做噪声滤除掉了， 得到的所述细化步态图像集可能会在某点处发生间断， 因此本 发明实施例利用双阈值法对所述细化步态图像集中的间断进行连接处理， 得到所述边界轮 廓数据， 包括： 0。

42、148 定义阈值T1和T2(其中， T1T2)， 得到以阈值T1和T2作为边缘数值的阈值边缘图像N1 i,j和N2i,j； 0149 在N1i,j的邻域内寻找可以连接到N2i,j中边界轮廓上的间断点并进行N1i, j和N2i,j之间的连接处理， 直到所述细化步态图像集中的所有间断点连接起来为止， 得 到所述边界轮廓数据。 0150 详细地， 所述阈值T1和T2为预设的圆形滑动模块， 所述圆形滑动模块的直径以像素 宽度计量， mT1T2n， 其中， m为单位像素宽度， n为所述细化步态图像集的像素宽度之和。 0151 进一步地， 所述阈值T1和T2定义完成后， 得到阈值T1和T2作为边缘数值的阈。

43、值边缘 图像N1i,j和N2i,j， 即为两个分别以T1和T2为直径的圆形滑动模块， 其中N1i,j在N2 i,j之内进行滑动， N2i,j在所述细化步态图像集中进行滑动。 当所述N1i,j中出现像 素的间断时， 将所述间断点连接到N2i,j内的边界轮廓上。 0152 进一步地， 根据所述边界轮廓数据计算步态周期数据， 包括： 0153 根据所述边界轮廓数据， 测出一个人行走过程中左脚底部A点与右脚底部B点的步 幅L； 0154 在预构建的直角坐标系中对所述步幅L进行描述， 当所述步幅L大于或等于预设的 说明书 8/12 页 11 CN 111611882 A 11 步幅阈值时， 在以帧为横轴。

44、以步幅为纵轴的坐标图中标记为波峰位置， 当所述步幅L小于所 述步幅阈值时， 在所述坐标图中标记为波谷位置； 0155 统计出相邻的所述波峰位置之间图像的帧数； 0156 根据步幅周期计算公式得到所述步幅周期T： 0157 TtN 0158 其中， t单位为ms， 表示提取一帧的时间， N表示相邻的每个波峰间图像的帧数。 0159 所述身份识别模块103根据所述边界轮廓数据和步态周期数据进行用户身份识 别， 确定用户的身份信息。 0160 在本发明实例中， 利用预先构建的具有身份识别功能的特征提取模型来实现对所 述边界轮廓数据和步态周期数据的识别处理。 即， 本发明实施例将所述边界轮廓数据和步 。

45、态周期数据输入至训练完成的特征提取模型进行身份识别， 得到所述身份信息。 0161 进一步地， 所述根据所述边界轮廓数据和步态周期数据进行用户身份识别， 确定 用户的身份信息， 包括： 0162 步骤A： 获取用户身份训练信息， 以及所述用户身份训练信息对应的标准边界轮廓 数据和标准步态周期数据， 其中， 所述用户身份训练信息可以包括用户的面部图像、 指纹等 能够表征用户身份的数据以及用户的联系方式等； 0163 步骤B： 利用所述特征提取模型对所述用户身份训练信息进行转化， 得到用户特 征； 0164 步骤C： 将所述用户特征、 所述标准边界轮廓数据和标准步态周期数据输入至所述 特征提取模型。

46、的损失函数中进行计算， 得到损失值， 当所述损失值大于或等于预设的损失 阈值时， 调整所述特征提取模型参数， 返回步骤B重新进行转化； 0165 步骤D： 当所述损失值小于预设的损失阈值时， 得到训练完成的特征提取模型。 0166 优选地， 本发明实施例从一个用户数据库中获取用户的身份信息数据以及用户身 份信息对应的标准边界轮廓数据和标准步态周期数据。 进一步地， 所述特征提取模型的损 失函数如下： 0167 0168其中， 表示用户特征， Y表示标准边界轮廓数据和标准步态周期数据， 表示误差 因子， 为预设常数， 这里用来表示损失函数，越小， 模型模型的性能越好。 0169 所述进度提示模块。

47、104根据预设进度判别标准以及获取所述步态图像集的时间， 计算业务进度处理结果， 并将所述业务进度处理结果根据所述身份信息推送给相应的用 户。 0170 在本发明实例中， 业务进度是按照不同业务相应制定的， 面对不同的业务， 预先设 定业务办理的时间阈值， 按照业务已办理时间和所述业务办理的时间阈值的比值来计算进 度。 0171 例如， 业务Q预设的业务办理时间为T分钟， 根据如下业务进度计算公式计算所述 业务进度F： 说明书 9/12 页 12 CN 111611882 A 12 0172 0173 其中， 业务已办理时间为t， 为客户平均办理业务时间， n为还需等待的排队人 数。 0174。

48、 详细地， 所述客户平均办理业务时间可以根据历史上每位客户办理业务的时间进 行求和计算后再求平均数得到。 0175 如上所述， 根据不同客户的步态图像集的获取时间顺序， 可以生成客户办理业务 的排队序列， 从而可以获得每个客户还需等待的排队人数。 0176 进一步地， 将得到的所述业务进度按照上述身份识别的结果通知给相应客户， 本 发明实施例中可以将所述业务办理进度F利用手机App将业务办理进度推送给客户。 0177 如图3所示， 是本发明实现基于步态的进度提示方法的电子设备的结构示意图。 0178 所述电子设备1可以包括处理器10、 存储器11和总线， 还可以包括存储在所述存储 器11中并可。

49、在所述处理器10上运行的计算机程序， 如基于步态的进度提示程序12。 0179 其中， 所述存储器11至少包括一种类型的可读存储介质， 所述可读存储介质包括 闪存、 移动硬盘、 多媒体卡、 卡型存储器(例如： SD或DX存储器等)、 磁性存储器、 磁盘、 光盘 等。 所述存储器11在一些实施例中可以是电子设备1的内部存储单元， 例如该电子设备1的 移动硬盘。 所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备， 例如电子 设备1上配备的插接式移动硬盘、 智能存储卡(Smart Media Card， SMC)、 安全数字(Secure Digital， SD)卡、 闪存卡(Flas。

50、h Card)等。 进一步地， 所述存储器11还可以既包括电子设备1 的内部存储单元也包括外部存储设备。 所述存储器11不仅可以用于存储安装于电子设备1 的应用软件及各类数据， 例如基于步态的进度提示程序的代码等， 还可以用于暂时地存储 已经输出或者将要输出的数据。 0180 所述处理器10在一些实施例中可以由集成电路组成， 例如可以由单个封装的集成 电路所组成， 也可以是由多个相同功能或不同功能封装的集成电路所组成， 包括一个或者 多个中央处理器(Central Processing unit， CPU)、 微处理器、 数字处理芯片、 图形处理器 及各种控制芯片的组合等。 所述处理器10是所。