科研之友
微信
新浪微博
Facebook
分享链接
摘要
步态识别具备远程识别的巨大潜力,但这种方法很容易受到与身份无关的因素影响,例如穿衣、随身携带的物体和角度。目前基于步态模板的方法可以有效表示步态特征。每一种步态模板都有其优势以及表征不同的显著信息。本文提出一种步态模板融合方法,以避免经典的步态模板(例如步态能量图像方法)的不足——经典步态模板表征的不完整信息对轮廓变化很敏感。所提步态模板融合方法采取分块的方法,以表征行人不同身体部位的不同步态习惯。根据人体各部分特点将融合的步态模板为3个部分(头部、躯干和腿部区域),然后将这3部分的步态模板分别输入卷积神经网络学习从而获得融合的步态特征。采用CASIA-B数据集进行充分的实验评估,并将所提方法与现有方法比较。实验结果表明,所提步态识别方法具有良好准确性和鲁棒性。
- 单位
