科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对卷积神经网络在低质量红外图像的步态识别中不能充分捕捉和利用时空信息的问题，提出了一种基于剪影差分融合流和剪影流的残差多尺度双流网络模型。首先在模型输入端采用Faster-RCNN和Deeplab v3+算法相结合的细粒度分割策略来提取剪影，以减少噪点信息的影响，避免特征丢失；其次在模型上支流网络中引入剪影差分融合模块来获取相邻剪影帧之间的差异变化信息；然后在模型的特征提取部分使用残差单元和多尺度特征融合技术分别来加深网络层次和提取不同粒度的时空信息；最后通过多尺度金字塔映射模块来进一步增强模型对局部和全局特征的表征能力。由CASIA-C数据集上的4组不同行走条件对比实验数据可知，所提方法的平均步态识别率为98.85%，优于当前主流方法。
- 单位
