基于频域注意力时空卷积网络的步态识别方法

• 作者: Samah A.F.Manssor 孙韶媛 方建安 瞿斌杰 赵国顺
• 来源期刊: 信息技术与网络安全
• 学科: 交通运输
• 关键词: 频域 注意力 三维卷积 步态识别 生物特征 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: ITNS主题专栏:人工智能技术
• 页码范围: 13-18
• 页数: 6页
• 分类号: U491.1
• 字数: 3232字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.06.003

摘要

为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题,提出了基于频域注意力的时空卷积网络进行步态识别.该方法改进了三维卷积网络(C3D)学习时空特征,同时提出了一种频域注意力卷积操作,既减少了冗余计算,注意力的调整又提高了学习效果.网络首先将步态信息划分为五组,然后通过改进的卷积进行时空特征抽取,最后通过 Softmax 层进行分类.在中科大数据集 CASIA dataset B 中进行测试,在 Bag 状态与 Coat 状态下准确率分别为 88.5％、92.8％,分别较传统深度卷积网络(Deep CNN)提升 3％左右,同时注意力在网络学习中重新分布,各个角度下的准确率也平均提升 2％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方建安	东华大学信息科学与技术学院	87	615	13.0	19.0
3	赵国顺	东华大学信息科学与技术学院	1	0	0.0	0.0
9	瞿斌杰	东华大学信息科学与技术学院	1	0	0.0	0.0
13	Samah A.F.Manssor	东华大学信息科学与技术学院	1	0	0.0	0.0