为了提高步态识别的识别效率,提出了一种基于多通道步态集合的步态识别算法。算法中将一个周期的步态轮廓图进行归一化处理后,通过步幅的大小将周期内的轮廓图划分为7个通道,每个通道内的轮廓图按照平均步态来处理,得到7通道的步态模板...为了提高步态识别的识别效率,提出了一种基于多通道步态集合的步态识别算法。算法中将一个周期的步态轮廓图进行归一化处理后,通过步幅的大小将周期内的轮廓图划分为7个通道,每个通道内的轮廓图按照平均步态来处理,得到7通道的步态模板。结合卷积神经网络的优异性能,将该多通道步态模板(period energy image,PEI)当成图像集作为网络的输入,让网络自身去提取步态模板之间的时序关系。在此基础上,使用增强约束的Triplet Loss函数来学习到最优的特征和距离度量,使最终的训练更加有效。通过在标准数据集CASIA-B上的实验结果表明,与之前多数算法相比,所提出的算法在跨视角的情况下能取得很好的识别效果。展开更多
文摘为了提高步态识别的识别效率,提出了一种基于多通道步态集合的步态识别算法。算法中将一个周期的步态轮廓图进行归一化处理后,通过步幅的大小将周期内的轮廓图划分为7个通道,每个通道内的轮廓图按照平均步态来处理,得到7通道的步态模板。结合卷积神经网络的优异性能,将该多通道步态模板(period energy image,PEI)当成图像集作为网络的输入,让网络自身去提取步态模板之间的时序关系。在此基础上,使用增强约束的Triplet Loss函数来学习到最优的特征和距离度量,使最终的训练更加有效。通过在标准数据集CASIA-B上的实验结果表明,与之前多数算法相比,所提出的算法在跨视角的情况下能取得很好的识别效果。
