基于多特征融合卷积的步态识别算法研究 |
| |
引用本文: | 杨鹏,应娜,李怡菲.基于多特征融合卷积的步态识别算法研究[J].计算机应用与软件,2024(1):139-145. |
| |
作者姓名: | 杨鹏 应娜 李怡菲 |
| |
作者单位: | 杭州电子科技大学通信工程学院 |
| |
基金项目: | 浙江省自然科学基金项目(LY16F010013); |
| |
摘 要: | 针对GaitSet算法中主干网络学习能力和分类能力较弱,提出基于多特征融合卷积网络的步态识别算法(MFFC-GaitSet)。算法通过多特征融合卷积重建GaitSet网络增强网络学习能力,同时对三元组损失函数进行平滑优化;利用形态学处理对步态轮廓图进行修补。算法在Casia-B数据集上进行验证,步态识别精度达到85.811%,提高2.6%;模型权重仅增加6%。算法可以有效减少复杂环境对步态识别的负面影响,实现复杂环境下高精度的步态识别。实验结果表明,方法能够实现较为精确的步态识别,并具有较佳的鲁棒性和泛化能力。
|
关 键 词: | 步态识别 多特征融合 形态学处理 三元组平滑优化 Casia-B数据集 |
|
|