科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(Shoulderless Pose Topological Energy Maps,SPTEM)和三维局部骨骼步态特征(Local Skeleton Gait Features,LSGF)的深度学习步态识别方法.首先利用轻量级BlazePose姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成SPTEM,提高检测速度的同时减弱衣物变化带来的影响;然后引入LSGF,用以弥补单一能量图特征在多变视角情况下识别准确率较低的不足;最后提出结合注意力机制的时空特征提取网络模型,并在全连接层将双流特征进行一致融合.在CASIA-B数据集上对所提方法进行验证,并与当前主流的步态识别方法进行了比较.结果表明,该方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升.
- 出版日期2023
- 单位石家庄铁道大学
