基于改进LeNet-5的落足阶段步态特征自动分类方法研究

• 作者: 罗鑫 郭威 唐云祁
• 来源期刊: 现代计算机
• 关键词: 卷积神经网络 落足阶段步态特征 LeNet-5 激活函数 归一化
• 年，卷（期）: 2020,（35）
• 所属期刊栏目: 研究与开发
• 页码范围: 37-42
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.35.007

摘要

传统的足迹检验需要依靠专业知识和实战经验,具有较强的主观性且效率低,为了提高足迹检验的客观性和自动性,建立立体足迹落足阶段步态特征数据库,共收集了8000张立体足迹照片.通过在LeNet-5基础上增加激活函数层(ReLU、PReLu)、归一化层(LRN、BN),共设计四种网络结构用于步态特征的自动分类.结果表明:加入PReLU和LRN的网络准确率最高,测试准确率为98％.可见改进后的网络结构可以有效提高落足阶段步态特征自动分类的准确率.