-
题名结合整体和局部特征的步态识别方法
被引量：2
- 1
-
-
作者
张智
常超伟
王雷
刘博
-
机构
河北农业大学信息科学与技术学院
河北省农业大数据重点实验室
北方自动控制技术研究所
-
出处
《火力与指挥控制》
CSCD
北大核心
2023年第4期141-146,共6页
-
基金
国家自然科学基金(61972132)
河北农业大学自主培养人才科研专项基金资助项目(PY201810)。
-
文摘
针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法Rank-1准确率取得了有效提升。
-
关键词
步态识别
整体特征
局部特征
跨视角识别
-
Keywords
gait recognition
global features
local features
cross-view recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多支路残差深度网络的跨视角步态识别方法
被引量：4
- 2
-
-
作者
胡少晖
王修晖
刘砚秋
-
机构
中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2021年第5期455-462,共8页
-
基金
浙江省重点研发计划项目(No.2021c03151)
浙江省自然科学基金项目(No.LY20F020018)
浙江省教育厅科研项目(No.Y201636772)资助。
-
文摘
针对基于卷积神经网络的步态识别模型不能充分利用局部细粒度信息的问题,提出基于多支路残差深度网络的跨视角步态识别方法.将多支路网络引入卷积神经网络中,分别提取步态轮廓序列图中不同粒度的特征,并利用残差学习和多尺度特征融合技术,增强网络的特征学习能力.在公开步态数据集CASIA-B和OU-MVLP上的实验证实文中方法的识别准确率较高.
-
关键词
步态识别
跨视角识别
多支路网络
残差网络
-
Keywords
Gait Recognition
Cross-View Recognition
Multi-branch Network
Residual Network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名结合非局部与分块特征的跨视角步态识别
被引量：3
- 3
-
-
作者
冯世灵
王修晖
-
机构
中国计量大学信息工程学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2019年第9期821-827,共7页
-
基金
国家自然科学基金项目(No.61602431,61303146)资助~~
-
文摘
目前基于深度学习的步态识别方法大多通过叠加卷积层获取全局特征,忽略有利于细粒度分类的局部特征.针对上述问题,文中提出结合非局部与分块特征的跨视角步态识别方法.将一对步态能量图(GEI)作为输入,提取单样本的非局部信息与样本对之间的相对非局部信息.为了更好地提取局部特征,根据GEI的几何特性,将人体区域水平切分为静态块、微动态块和强动态块,连接至3个二值分类器分别进行训练.在OUISIR-LP和CASIA-B步态数据集上的对比实验表明,文中方法的正确识别率较高.
-
关键词
步态识别
跨视角识别
非局部特征
分块特征
-
Keywords
Gait Recognition
Cross-View Recognition
Non-local Features
Part-Level Features
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度特征融合的跨视角步态识别
- 4
-
-
作者
邹雪
谭棉
严晓波
王飞
王林
-
机构
贵州民族大学数据科学与信息工程学院
贵州省模式识别与智能系统重点实验室
贵州民族大学人文科技学院
-
出处
《电子测量技术》
北大核心
2024年第1期186-192,共7页
-
基金
国家自然科学基金(62241206)
国家自然科学基金(62162012)
+4 种基金
贵州省科技计划项目(黔科合基础-ZK[2022]一般195,黔科合基础-ZK[2023]一般143,黔科合基础-ZK[2022]一般550,黔科合平台人才-ZCKJ[2021]007)
贵州省高层次创新型人才项目(黔科合平台人才-GCC[2023]027)
贵州省教育厅自然科学研究项目(黔教技[2022]015号)
贵州省教育厅青年科技人才成长项目(黔教技[2023]012号,黔教技[2022]015号,黔教技[2023]061号,黔教技[2023]062号,黔教合KY字[2021]115)
贵州省模式识别与智能系统重点实验室开放课题(GZMUKL[2022]KF01)资助。
-
文摘
在跨视角步态识别中,针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征,导致识别准确率下降的问题,提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性,获得具有可辨别性和多样性的步态特征,从而解决因衣着遮挡造成可辨别性差以及单一性的问题,进而提升跨视角步态识别的准确性。为验证所提方法的有效性,在公共数据集CASIA-B上进行了验证,实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了73.4%,同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。此外,我们的方法在处理遮挡条件下的识别性能优于同类典型的步态识别方法。
-
关键词
跨视角步态识别
多尺度特征融合
步态特征
可辨别性
-
Keywords
cross-view gait recognition
multi-scale feature fusion
gait feature
discriminability
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于双通道循环一致性GAN的跨视角步态识别研究
- 5
-
-
作者
王宇
夏懿
-
机构
安徽大学电气工程与自动化学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第1期259-264,共6页
-
基金
国家自然科学基金资助项目(61872004)
安徽省自然科学基金资助项目(2108085MF232)。
-
文摘
步态识别系统在生物识别领域显示出巨大的潜力,然而步态识别的准确性很容易受到视角的影响。为解决这一问题,提出的方法基于循环生成对抗网络(cycle generative adversarial network,Cycle-GAN)的网络结构,结合新的特征提取模块以及多重损失函数,提出了一种用于跨视角步态识别的网络模型双通道循环一致性生成对抗网络(two-channel cycle consistency generative adversarial network,TCC-GAN)。该网络首先将步态能量图像从任意视角转换为目标视角图像,然后进行比对从而实现身份识别。TCC-GAN分别引入了重建损失、视角分类和身份保持损失来指导生成器生成具有目标视角的步态图像并同时保留身份信息。为了避免可能存在的模式崩塌问题,并保证各个输入和输出以有意义的方式进行映射,模型中还利用了循环一致性损失。数据集CASIA-B和OU-MVLP上的实验结果表明:所提TCC-GAN模型的跨视角识别率高于目前大多数其他基于GAN的跨视角步态识别模型。
-
关键词
生成对抗网络
跨视角步态识别
跨视角图像转换
步态能量图
-
Keywords
generative adversarial networks
cross-view gait recognition
cross-view image converting
gait energy image
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于可转移字典对的跨视角动作识别
- 6
-
-
作者
吕卫
赵亚洲
褚晶辉
-
机构
天津大学电子信息工程学院
-
出处
《信息技术》
2017年第7期159-163,共5页
-
文摘
为人体动作寻找具有分辨力的视觉特征是机器视觉研究领域的重要课题,但当视角发生改变时其效果往往不够理想。文中提出了一种视角无关的动作识别方法,利用转移字典对完成视角间信息的转移。转移字典对包含两个字典,分别对应于源视角和目标视角。字典对的学习过程是自发的,其准则是尽量使两个视角中的同一动作具有相同的稀疏表示。提出了有监督和无监督条件下的算法,用于转移字典对的学习。利用转移字典对将两个视角中的视频进行稀疏表示之后,在源视角下训练得到的分类器即可直接用于目标视角。方法的有效性在多视角、多模态的数据库3M上进行验证,取得了良好的效果。
-
关键词
跨视角动作识别
转移字典对
HOG3D描述子
k-NN算法
-
Keywords
cross-view action recognition
transferable dictionary pair
HOG3D
k-NN algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
