10.11772/j.issn.1001-9081.2019081504
基于深度学习的步态识别方法
步态识别是一种非侵入性生物识别技术,可用于在监控系统中识别身份.然而协变量因素如视角、服装、携带物等使步态识别性能下降,其中视角是一项具有挑战性的因素.卷积神经网络(CNN)是最先进的机器学习技术之一,具有拟合复杂非线性函数的能力.因此,提出一种基于多层CNN的步态识别方法.该方法使用CNN直接从低级输入原始数据(即步态能量图(GEI)),自主学习步态特征,利用四重损失函数对网络进行端到端的训练.应用上述方法在具有挑战性的CASIA-B数据集上进行步态识别测试.实验结果显示,该方法在单视角和交叉视角的条件下识别精度分别达到93.78%和91.68%,对降低步态识别性能的几种因素具有鲁棒性,在实际应用中具有一定潜力.
步态识别、卷积神经网络、深度学习、交叉视角、步态能量图
40
TP391(计算技术、计算机技术)
国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目;黑龙江省自然科学联合引导基金资助项目;中国博士后科学基金资助项目;黑龙江省基础科研科技创新基金资助项目;黑龙江省基础科研青年创新团队基金资助项目;中小企业创新基金资助项目;专利优势示范企业基金资助项目
2020-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
69-73