基于卷积神经网络的步态周期检测方法

摘要

针对步态周期检测直接影响到步态识别的计算量和精度的问题,本文基于深卷积神经网络实现步态周期检测,分别通过将步态序列根据周期性进行分类,和将步态序列拟合为正弦函数进行步态周期性检测的方法,对步态周期进行建模.其关键思想是根据步态周期的规律性,将步态起伏作为分类问题或一个正弦函数来建模,步态视频中的每个帧对应一个可以表示其周期特征的类别或函数值.而卷积神经网络被用于提取步态帧的周期性特征,以定位该帧在周期中的位置,得到分类或回归结果,最终实现步态周期检测.在CASIA-B数据集的不同视角下采用了多种网络结构进行了周期检测效果的验证.实验结果表明:该方法对步态周期性检测具有良好的精度和鲁棒性.