基于深度学习的多视角步态识别研究

发布时间：2024-12-07 04:57

　　步态识别是一种新兴的生物特征识别技术,与传统生物特征识别技术相比具有非接触性、远距离识别、难以伪装等优点,得到了广泛的关注与研究。但是在步态识别过程中的影响因素也有很多,包括拍摄角度、行人装扮等,会对识别准确率带来很大的影响。当前,深度学习在图像识别与特征提取方面优势明显,本文基于深度学习对步态识别方法进行了研究,主要的研究内容如下:提出了一种基于生成对抗网络的多视角步态识别模型。视角转换是解决步态识别问题的有效方法,即将任意视角的步态图转换到特定视角。但步态图特定视角的转换会导致步态特征丢失,为了解决视角转换过程中的特征丢失问题,本文设置了多个模型来同时进行多个视角的转换,利用多张生成步态图来同时保留不同的特征信息,在实现上,鉴于生成对抗网络在图像处理领域的优秀性能,使用生成对抗网络来建立多视角转换模型,使得在识别过程中能利用更多的特征信息来确定行人的身份,达到提升识别率的目标。在多视角模型中,角度的数目与视角均会影响步态识别的精度,为了发现获取这些因素对识别结果的影响,重点针对模型的角度个数和角度组合进行研究,分别给出了对应的选择策略,通过实验确定了兼顾识别率与效率的模型参数。最后通...

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图3.3一个序列当中轮廓的宽度统计

基于深度学习的多视角步态识别算法设计与研究指在运动中一只脚触地到下一次同一只脚再次触地之间前进，一个步态周期也被称为步幅[19]。目前大多数步态特据来进行提取，因为每个人之间的步频都会存在一定的差廓作为依据，则评判标准会存在较大差异。所以步态周期重要的影响。在行走过程中，轮廓的宽....

图4.12实验二与GEI在背包行走序列上的多视角rank准确率对比，从上往下依次为实验二以及GEI的结果

基于深度学习的多视角步态识别算法设计与研究GEI在正常行走序列上的多视角rank准确率对比，从上往下GEI的结果

图4.18实验四与GEI在正常行走序列多视角平均准确率上的对比，上方为实验四结果

基于深度学习的多视角步态识别算法设计与研究0）。可以看出实验四所采用的框架可以非常好的解决多视角较好的解决着装变化以及携带背包所带来的准确率不

图4.21与现有方法在验证集角度为54°上的对比结果

基于深度学习的多视角步态识别算法设计与研究练55个投影矩阵，而且需要在明确知道注册集角度以及验证集角度的情况下要的投影矩阵进行实验，这不适用于现实场景中行人与摄像头之间的角度处于情况，而且其他大多数现有的方法也都是需要根据具体的注册集角度以及验证逐一训练大量模型并在使用的时候....

本文编号：4014837