一种基于时空图卷积神经网络的人体性别识别方法及系统与流程

1.一种基于时空图卷积神经网络的人体性别识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于时空图卷积神经网络的人体性别识别方法，其特征在于，步骤2)中，所述预处理为：通过使用姿态估计算法对视频数据进行姿态估计。

3.根据权利要求1所述的基于时空图卷积神经网络的人体性别识别方法，其特征在于，在对改进stgcn网络模型进行训练时，所使用的数据集为：在现有的rgb视频数据集中选取视频数据，进行预处理以将选取的视频数据转换为对应的人体骨架时空图数据，将得到的人体骨架时空图数据作为所使用的数据集。

4.根据权利要求1所述的基于时空图卷积神经网络的人体性别识别方法，其特征在于，改进stgcn网络模型在训练时，通过迁移学习先确定改进stgcn网络模型中除全连接层之外其余网络层的权重参数后，再对改进stgcn网络模型进行训练。

5.根据权利要求4所述的基于时空图卷积神经网络的人体性别识别方法，其特征在于，改进stgcn网络模型在训练时，通过迁移学习进行改进stgcn网络模型中指定的时空卷积层的参数优化。

6.一种基于时空图卷积神经网络的人体性别识别系统，包括用于获取待人体性别识别的视频数据的检测模块，以及处理模块，所述检测模块还用于将获取的视频数据传输至处理模块，其特征在于，所述处理模块用于将该视频数据进行预处理，以获取该视频数据对应的人体骨架时空图数据；并将该人体骨架时空图数据先进行归一化处理后，再输入至训练好的改进stgcn网络模型中，得到人体骨架时空图数据的分类结果，再根据得到的分类结果对人体性别进行判断；所述改进stgcn网络模型的改进点在于使用的全连接层为二分类功能的全连接层。

7.根据权利要求6所述的基于时空图卷积神经网络的人体性别识别系统，其特征在于，所述预处理为：通过使用姿态估计算法对视频数据进行姿态估计。

8.根据权利要求6所述的基于时空图卷积神经网络的人体性别识别系统，其特征在于，在对改进stgcn网络模型进行训练时，所使用的数据集为：在现有的rgb视频数据集中选取视频数据，进行预处理以将选取的视频数据转换为对应的人体骨架时空图数据，将得到的人体骨架时空图数据作为所使用的数据集。

9.根据权利要求6所述的基于时空图卷积神经网络的人体性别识别系统，其特征在于，改进stgcn网络模型在训练时，通过迁移学习先确定改进stgcn网络模型中除全连接层之外其余网络层的权重参数后，再对改进stgcn网络模型进行训练。

10.根据权利要求9所述的基于时空图卷积神经网络的人体性别识别系统，其特征在于，改进stgcn网络模型在训练时，通过迁移学习进行改进stgcn网络模型中指定的时空卷积层的参数优化。