基于深度学习的衣服不变性步态识别研究

发布时间：2022-01-26 07:45

　　步态作为一种动态生物特征,能够在人不配合并且距离相对较远的情况下被识别,因此步态识别得到了大量研究者的广泛关注。但是步态识别受目标行走速度,穿戴情况,摄像头的角度和光照情况等因素的影响。其中穿戴情况的变换是其中最大的挑战之一。深度学习方法能自动学习步态的更高层次的特征表达,且其方法也更简单计算量更小。但深度学习方法使用单一身份信息,提取到的特征信息比较单一,同时存在视野域以及网络结构自身的问题,提取到的特征表达能力不够强,因此用深度学习解决步态识别问题仍有提升空间。为了解决步态识别中衣服变换问题,提出用深度学习方法解决步态识别中的衣服变换问题,并针对深度学习方法中特征表达力不够强、特征单一的问题,提出以下几点改进:（1）针对深度特征区分度不够大的问题,提出使用注意力机制加强深度学习方法中提取到的特征的区分度和显著性。同时提出使用验证损失函数,对学习到的特征值进行约束,加大特征之间的区分性,使得相同类别之间的特征值距离变得更小,不同损失之间的距离变得更大。（2）提出了将四肢的运动轨迹特征作为深度学习方法的先验知识,完成局部特征和全局特征的融合。（3）提出用潜在语义分析提取步态的潜在语义特... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

步态识别任务的衣服变换随着人工智能越来越炙手可热，深度学习的算法在计算机视觉领域的研究也越来

华 中 科 技 大 学 硕 士 学 位 论 文 论 文两组。每组数据都是一个 37-127 帧组成的短视频。而这里我们是处理的衣服变换，因此选取同一视角（90o）。这个数据集本一般用来解决综合步态问题：视角变衣服变换。并且大多数方法在衣服变化的时候，其识别的精确度大大降低。图 2.3 CASIA 数据 B 的部分样本示例。

者等于测试集的数量。参数的确定失函数公式中的两个不确定变量，我们采用控制变量另外一个变量的最佳选值。这里我们训练的过程均为对比验证损失的相对权重 的确定 2.8 中的 的值，将约束项中的阈值m 设为 1。 从 取值越小则整个网络趋近于分类网络，当 取值越，实验结果如图 2.4 所示，最终我们发现 取0.2 时效失函数阈值 m 的确定

【参考文献】：
期刊论文
[1]基于LBP和HOG特征分层融合的步态识别[J]. 刘文婷,卢新明.  计算机工程与应用. 2018(24)
[2]基于轮廓分析的广义步态识别算法研究[J]. 王浩,范媛媛,方宝富.  小型微型计算机系统. 2016(07)
[3]基于时空变化的步态识别算法研究[J]. 王丽,李绍滋,苏松志.  心智与计算. 2007(04)



本文编号：3610112