基于视频残差神经网络的深度步态识别

作     者：马玉祥 代雪晶 MA Yu-Xiang;DAI Xue-Jing

作者机构：中国刑事警察学院公安信息技术与情报学院沈阳110854 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2024年第33卷第4期

页      面：279-287页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：公安部科技强警基础工作专项(2016GABJC06) 中央高校基本科研业务费(D2023001) 

主　　题：计算机视觉 步态识别 视频残差神经网络 金字塔映射 深度学习 步态轮廓图像 

摘      要：步态识别是根据人体的行走方式进行身份识别.目前,大多数步态识别方法通过浅层神经网络进行特征提取,在室内步态数据集表现良好,然而在近年新公布的室外步态数据集中性能表现不佳.为了解决室外步态数据集带来的严峻挑战,提出了一种基于视频残差神经网络的深度步态识别模型.在特征提取阶段,基于提出的视频残差块构建深层3D卷积神经网络(3D CNN),提取整个步态序列的时空动力学特征;然后,引入时序池化和水平金字塔映射降低采样特征分辨率并提取局部步态特征;使用联合损失函数驱动训练过程,最后通过BNNeck平衡损失函数并调整特征空间.实验分别在公开的室内(CASIA-B)、室外(GREW、Gait3D)这3个步态数据集上进行.实验结果表明,该模型在室外步态数据集中的准确率以及收敛速度优于其他模型.