基于空间聚合加权卷积神经网络的力触觉足迹识别

发布时间：2021-02-03 17:51

　　为了提高力触觉足迹识别的准确率,提出一种基于空间聚合加权注意力机制的足迹识别算法.首先,采用压力足迹采集器采集并构建一个包含100人2 000幅力触觉足迹图像的数据集;然后,采用VGG19卷积神经网络预训练模型提取特征,为获取特征图中足迹压力分布感兴趣区域,设计一种空间聚合加权模块（SAWM）,该模块专注高响应区域从而提取足迹中显著区域局部特征,并与输入特征图加权融合,保留显著性特征,抑制不重要特征;最后输出的特征经过平均池化在全连接层实现力触觉足迹的识别.试验结果表明,所提算法准确率达到了91.20%,优于其他注意力机制算法以及传统的足迹识别算法.采用空间聚合加权注意力机制网络模型能够有效进行足迹识别,为身份识别提供技术支撑. 

【文章来源】：东南大学学报(自然科学版). 2020,50(05)北大核心

【文章页数】：6 页

【部分图文】：

压力采集软件界面

图2展示了4个人的部分力触觉足迹图像,其中每一行从左到右依次为同一个人的5幅左脚和5幅右脚足迹图像.足迹图像颜色越深压力值就越大,从图中可以看出不同人的足迹图像之间在形态、压力分布等方面具有很大的相似性,而同一人的足迹图像之间又具有很大的差异性,这些都给足迹的识别带来了一定的困难和挑战.1.3 数据预处理

式中,Tn表示第n个加权特征图.最后再经过平均池化层,保留主要特征同时减少参数,对特征降维,提高模型泛化能力.2.2 基于空间聚合加权模块的VGG网络结构


本文编号：3016921