计算机应用

作者：刘瑞华, 郝子赫, 邹洋杨

单位：重庆理工大学 两江人工智能学院，重庆 401135

关键词：生物特征识别,步态识别,特征提取,步态轮廓序列,时空特征融合

基金：重庆市自然科学基金资助项目(CSTB2023NSCQ-MSX0319);重庆理工大学研究生创新项目(gzlcx20223457)

随着深度学习的引入，步态识别算法取得了很大的突破，但是仍存在忽略了浅层网络提取的细节信息，以及对不限时长的步态视频时空信息难以融合的问题。为了有效利用浅层特征和融合时空特征，提出一种基于多层级精细特征融合的跨视角步态识别算法。所提算法由两个部分组成：边缘运动捕捉模块（EMCM）用于提取包含时间信息的边缘运动特征；多层级特征提取模块（MFEM）用于提取包含不同粒度全局和局部信息的多层级精细特征。首先，使用EMCM和MFEM分别提取多层级精细特征和边缘运动特征；然后，将两个模块提取的特征融合得到具有鉴别性的步态特征；最后，在公开数据集CASIA-B上和OU-MVLP上进行多种情况下的对比实验。在CASIA-B上平均识别准确率可达89.9%，与GaitPart相比，所提算法的平均识别准确率提升了1.1个百分点；在OU-MVLP上90°视角下比GaitSet识别准确率提升了3.0个百分点。所提算法能够有效地提升多种情况下的步态识别的准确率。

来源：2024年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第7期