科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的基于深度学习模型的步态识别算法难以在嵌入式设备上部署的问题，利用冗余特征图理论，提出了一种结构简单，具有一定深度，参数量较少适用于步态识别的卷积神经网络模型.该方法在预设卷积层添加注意力机制，选取出主要的步态特征图；利用无需训练的线性操作，从主要的特征图中派生出冗余的特征图，并将两部分特征图通道相加作为输出.在保障了卷积层提取足够多的特征图的同时，有效地降低了卷积层需要训练的参数量.并设计了一种基于该思想的轻量化模块，用堆叠的方式组建成新的轻量化网络，在提高识别率同时减少整个网络的参数量.在中科院CASIA-B步态数据上进行了多组身份识别测试实验.该方法在正常行走状态，背包行走状态以及穿着大衣行走状态的平均识别率均超过95%.在跨视角条件下三种状态的平均识别率分别为93.89%、85.29%、69.41%,与其他深度学习模型相比有明显提升.并且整个深度学习模型大小仅为12M,具有收敛速度快、训练时间短等优势.
- 单位
