基于深度学习的3D时空特征融合步态识别

• 作者: 赵黎明 张荣 张超越
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 深度学习 步态识别 3D姿态 时空特征融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究与探讨
• 页码范围: 23-25,29
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)02-0023-03

摘要

现有基于轮廓图的步态识别方法易受服装等外部条件干扰,而基于3D模型的识别方法虽然一定程度上抵抗了外部干扰,但对摄像设备有额外的要求,且模型计算复杂.针对上述问题,利用3D姿态估计技术,建立了行人运动的"轻"模型,利用神经网络框架,提取行人3D空间运动的时空信息,并且与轮廓图的信息相融合,进一步丰富了步态特征.在CASIA-B的数据集上的实验结果表明:融合了3D时空运动信息增强了步态特征的鲁棒性,进一步提升了识别率.