基于时空图像融合与多任务分类网络的步态识别研究

黄宇琛; 罗坚; 阳强

doi:10.13741/j.cnki.11-1879/o4.2023.01.018

您当前的位置：

首页 >

文章列表页 >

基于时空图像融合与多任务分类网络的步态识别研究

光学图像处理与识别 | 更新时间：2025-09-01

- 基于时空图像融合与多任务分类网络的步态识别研究
- Gait recognition based on spatio-temporal image fusion and multi-task classification network
- 光学技术 2023年49卷第1期页码：97-104
- 作者机构：
  
  1:湖南师范大学信息科学与工程学院
- 作者简介：
- 基金信息：
  
  湖南省教育厅青年项目(21B0060)
- DOI：10.13741/j.cnki.11-1879/o4.2023.01.018
  中图分类号： TP183;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
黄宇琛, 罗坚, 阳强. 基于时空图像融合与多任务分类网络的步态识别研究[J]. 光学技术, 2023,49(1):97-104.

Gait recognition based on spatio-temporal image fusion and multi-task classification network[J]. 2023, 49(1): 97-104.
黄宇琛, 罗坚, 阳强. 基于时空图像融合与多任务分类网络的步态识别研究[J]. 光学技术, 2023,49(1):97-104. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.018.

Gait recognition based on spatio-temporal image fusion and multi-task classification network[J]. 2023, 49(1): 97-104. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.018.

摘要

通过研究一种基于多尺度卷积神经网络和人体姿态估计模型相结合的多任务步态识别方法，对神经网络识别结果做出一定的解释说明，同时提高其在面对协变量改变场景下的识别效果。该方法将卷积神经网络提取的步态空间特征和人体姿态估计模型得到人体关节时序特征融合，进行身份的识别。使用步态数据集CASIA-B中的正常行走序列和合成行走序列数据以及TUM-GAID步态数据集进行实验。结果表明，该方法在TUM-GAID步态数据集实验中，三种场景T_1、T_2和T_3下的识别率分别达到95.2%、72.4%和84.5%。在CASIA-B步态数据集实验中，对于正常行走序列以及两种合成行走序列，该方法在识别精度上均有较好的表现，体现该模型有较强的鲁棒性。

Abstract

关键词

Keywords

references

浏览量

179

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测

基于双通道神经网络的图像脉冲噪声降噪