-
题名基于扩张重参数化和空洞卷积架构的步态识别方法
被引量：1
- 1
-
-
作者
霍丽娜
薛乐仁
戴钰俊
赵新宇
王世行
王威
-
机构
河北师范大学计算机与网络空间安全学院
河北师范大学软件学院
-
出处
《计算机应用》
北大核心
2025年第4期1285-1292,共8页
-
基金
国家自然科学基金资助项目(61702158)
河北省教育厅重点科学基金资助项目(ZD2020317)
+1 种基金
中央引导地方科技发展资金资助项目(236Z0102G,226Z1808G)
河北师范大学科技类科研基金资助项目(L2024ZD15,L2024J01,L2022B22)。
-
文摘
步态识别旨在通过人们的步行姿态进行身份识别。针对步态识别中有效感受野(ERF)与人体轮廓区域匹配不佳的问题,提出一种基于空洞卷积的步态识别方法DilatedGait。首先,采用空洞卷积扩大神经元感受野,缓解下采样和模型深度增加导致的分辨率下降,以提高轮廓结构的辨识度;其次,提出扩张重参数化模块(DRM),通过重参数化方法融合多尺度卷积核参数,优化ERF聚焦范围,使模型捕获更多的全局上下文信息;最后,通过特征映射提取判别性步态特征。在户外数据集Gait3D和GREW上的实验结果表明,对比目前的先进方法GaitBase,DilatedGait在Gait3D的Rank-1和平均逆负惩罚(mINP)上分别提升了9.0和14.2个百分点,在GREW的Rank-1和Rank-5上分别提升了11.6和8.8个百分点。可见,DilatedGait消除了复杂协变量带来的不利影响,能进一步提升户外场景下步态识别的准确率。
-
关键词
步态识别
有效感受野
重参数化
空洞卷积
步态轮廓序列
-
Keywords
gait recognition
Effective Receptive Field(ERF)
reparameterization
atrous convolution
gait silhouette sequence
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多层级精细特征融合的步态识别算法
被引量：5
- 2
-
-
作者
刘瑞华
郝子赫
邹洋杨
-
机构
重庆理工大学两江人工智能学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第7期2250-2257,共8页
-
基金
重庆市自然科学基金资助项目(CSTB2023NSCQ-MSX0319)
重庆理工大学研究生创新项目(gzlcx20223457)。
-
文摘
随着深度学习的引入,步态识别算法取得了很大的突破,但是仍存在忽略了浅层网络提取的细节信息,以及对不限时长的步态视频时空信息难以融合的问题。为了有效利用浅层特征和融合时空特征,提出一种基于多层级精细特征融合的跨视角步态识别算法。所提算法由两个部分组成:边缘运动捕捉模块(EMCM)用于提取包含时间信息的边缘运动特征;多层级特征提取模块(MFEM)用于提取包含不同粒度全局和局部信息的多层级精细特征。首先,使用EMCM和MFEM分别提取多层级精细特征和边缘运动特征;然后,将两个模块提取的特征融合得到具有鉴别性的步态特征;最后,在公开数据集CASIA-B上和OU-MVLP上进行多种情况下的对比实验。在CASIA-B上平均识别准确率可达89.9%,与GaitPart相比,所提算法的平均识别准确率提升了1.1个百分点;在OU-MVLP上90°视角下比GaitSet识别准确率提升了3.0个百分点。所提算法能够有效地提升多种情况下的步态识别的准确率。
-
关键词
生物特征识别
步态识别
特征提取
步态轮廓序列
时空特征融合
-
Keywords
biometric recognition
gait recognition
feature extraction
gait silhouette sequence
spatiotemporal feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
