计算机应用

作者：霍丽娜, 薛乐仁, 戴钰俊, 赵新宇, 王世行, 王威

单位：1.河北师范大学 计算机与网络空间安全学院，石家庄 050024；2.河北师范大学 软件学院，石家庄 050024

关键词：步态识别,有效感受野,重参数化,空洞卷积,步态轮廓序列

基金：国家自然科学基金资助项目(61702158);河北省教育厅重点科学基金资助项目(ZD2020317);中央引导地方科技发展资金资助项目(236Z0102G);河北师范大学科技类科研基金资助项目(L2024ZD15)

步态识别旨在通过人们的步行姿态进行身份识别。针对步态识别中有效感受野（ERF）与人体轮廓区域匹配不佳的问题，提出一种基于空洞卷积的步态识别方法DilatedGait。首先，采用空洞卷积扩大神经元感受野，缓解下采样和模型深度增加导致的分辨率下降，以提高轮廓结构的辨识度；其次，提出扩张重参数化模块（DRM），通过重参数化方法融合多尺度卷积核参数，优化ERF聚焦范围，使模型捕获更多的全局上下文信息；最后，通过特征映射提取判别性步态特征。在户外数据集Gait3D和GREW上的实验结果表明，对比目前的先进方法GaitBase，DilatedGait在Gait3D的Rank-1和平均逆负惩罚（mINP）上分别提升了9.0和14.2个百分点，在GREW的Rank-1和Rank-5上分别提升了11.6和8.8个百分点。可见，DilatedGait消除了复杂协变量带来的不利影响，能进一步提升户外场景下步态识别的准确率。

来源：2025年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第4期