基于双分支时空步态特征融合的深度学习步态识别

作     者：张云佐 董旭 ZHANG Yun-zuo;DONG Xu

作者机构：石家庄铁道大学信息科学与技术学院石家庄050043 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2024年第39卷第4期

页      面：1403-1408页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61702347,62027801) 河北省自然科学基金项目(F2017210161,F2022210007) 河北省高等学校科学技术研究项目(ZD2022100) 中央引导地方科技发展资金项目(226Z0501G) 

主　　题：无肩姿态拓扑能量图 局部骨骼步态特征 BlazePose 双流网络 深度学习 步态识别 

摘      要：针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(shoulderless pose topological energy maps,SPTEM)和三维局部骨骼步态特征(local skeleton gait features,LSGF)的深度学习步态识别方法.首先,利用轻量级BlazePose姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成SPTEM,在提高检测速度的同时减弱衣物变化带来的影响;然后,引入LSGF以弥补单一能量图特征在多变视角情况下识别准确率较低的不足;最后,提出结合注意力机制的时空特征提取网络模型,并在全连接层将双流特征进行一致融合.在CASIA-B数据集上对所提出方法进行验证,并与当前主流的步态识别方法进行比较,结果表明,所提出方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升.