10.19557/j.cnki.1001-9944.2021.11.019
DCNN-DGML融合深度神经网络步态识别算法
针对骨架步态识别任务中步态信息时空关联性弱和易受复杂背景干扰的问题,该文提出一种基于深度卷积神经网络和动态门记忆学习(DCNN-DGML)的骨架步态识别算法.首先根据步态运动规律建立端到端的步态识别模型;其次为了实现多层特征语义信息的融合,该模型中设计了多层特征融合机制改进GoogleNet;同时,在LSTM的基础上设计了一种动态门记忆学习结构来记录时序信息,以提升特征的鲁棒性.为了评估提出的DCNN-DGML步态识别系统,在自建数据库上进行了实验研究,识别精度达到97%,结果明显优于传统步态识别方法.
步态识别;骨架序列;深度卷积神经网络;长短期记忆网络;动态门记忆学习
36
TP391.4(计算技术、计算机技术)
2021-11-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
84-89,95