基于扩张重参数化和空洞卷积架构的步态识别方法

作     者：霍丽娜 薛乐仁 戴钰俊 赵新宇 王世行 王威 

作者机构：河北师范大学计算机与网络空间安全学院 河北师范大学软件学院 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(61702158) 河北省教育厅重点科学基金(ZD2020317) 中央引导地方科技发展资金项目(236Z0102G,226Z1808G) 河北师范大学科技类科研基金项目(L2024ZD15,L2024J01,L2022B22) 

主　　题：步态识别 有效感受野 重参数化 空洞卷积 步态轮廓序列 

摘      要：步态识别旨在通过人们的步行姿态进行身份识别。针对步态识别中有效感受野与人体轮廓区域匹配不佳的问题，提出一种基于空洞卷积的步态识别方法 DilatedGait。首先，采用空洞卷积扩大神经元感受野，缓解下采样和模型深度增加导致的分辨率下降，以提高轮廓结构的辨识度；其次，提出扩张重参数化模块DRM，通过重参数化方法融合多尺度卷积核参数，优化有效感受野聚焦范围，使模型捕获更多全局上下文信息；最后，经过特征映射提取判别性步态特征。在户外数据集Gait3D和GREW上进行实验，对比目前的先进方法 GaitBase,DilatedGait在Gait3D的Rank-1和m INP指标上分别提升了9.0和14.2个百分点，在GREW的Rank-1和Rank-5指标上分别提升了11.6和8.8个百分点。实验结果表明，DilatedGait克服了复杂协变量带来的不利影响，能进一步提升户外场景下步态识别的准确率。