基于长短期记忆网络的红外人体步态识别方法研究
步态识别作为一种非接触式远距离的生物特征识别技术,其任务是根据远距离行人的行走模式来实现身份识别.针对使用卷积神经网络(CNN)构建模型进行红外人体步态识别存在识别效果不佳的问题,利用长短期记忆网络(LSTM),根据人体身高比例遮挡穿着部分后的图像,让网络集中注意力提取腿部的变化特征以及每个红外人体步态周期的时间维度特征,从而构建了一种新的步态识别模型.在中国科学院提供的CASIAC红外步态数据库中,对穿着服饰部分进行预遮挡处理后的数据进行了实验测试,所提模型的识别准确率优于卷积神经网络模型.实验结果表明,在部分特征缺失情况下,利用长短期记忆网络进行步态识别能有效提高识别准确率.
成像系统、步态识别、卷积神经网络、长短期记忆网络、红外人体图像
59
TP181(自动化基础理论)
云南省应用基础研究计划重点项目;云南师范大学研究生科研创新基金项目
2022-06-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
251-257