基于CNN和DLTL的步态虚拟样本生成方法

• 作者: 唐琎 支双双 赵庆会 金大海
• 来源期刊: 计算机应用研究
• 关键词: 步态识别 卷积神经网络 对偶学习和迁移学习 虚拟样本 步态识别率
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 291-295
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0504

摘要

针对步态识别在反恐、安防领域亟待解决的小样本问题,提出了一种基于深度卷积神经网络(convolu-tional and neural network,CNN)和DLTL(dual learning and transfer learning)的步态虚拟样本生成方法.首先用基于VGG19的深度卷积神经网络模型低层响应提取步态风格特征图,然后利用基于对抗网络的对偶学习(dual learning,DL)对风格特征图进行风格训练,得到风格特征模型;其次利用VGG19模型的高层响应提取步态内容特征图,然后让步态内容特征图对风格特征模型中的风格特征进行学习;最后使用迁移学习(transfer learning,TL)获得步态虚拟偏移样本.实验结果表明,经过DLTL风格学习生成的步态虚拟样本虽然整体风格发生改变,但人体步态特征没有改变,可有效扩充小样本容量;当虚拟样本增加到一定数量时,步态识别率有所提升.该方法与现有步态虚拟样本生成方法进行对比实验,结果表明该算法优于现有方法,能够大量生成虚拟样本且稳定提高步态识别的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐琎	中南大学信息科学与工程学院	49	899	14.0	29.0
2	支双双	西安工程大学工程训练中心	9	15	2.0	3.0
3	金大海	西安工程大学工程训练中心	10	28	2.0	5.0
4	赵庆会	中南大学信息科学与工程学院	2	3	1.0	1.0