基于行走特征矢量图的步态识别方法

摘要

为解决多视角下存在服饰和携带物等协变量时,基于轮廓或关节模型的步态识别方法识别效果不理想的问题,结合深度学习技术,提出基于人体行走特征矢量图(walking feature vector diagram,WFVD)的步态识别方法.首先,以视频流为输入,基于人体姿态估计模型与人体部位关联场,获取行走特征矢量图;然后,设计以WFVD为输入的步态时空网络作为特征学习与识别网络,基于残差学习模块学习步态空间特征和长短期记忆(long short-term memory,LSTM)网络学习步态时间特征,在网络末端采用softmax分类器进行分类;最后,基于中国科学院自动化研究所研发的CASIA-B数据集和自建数据集进行实验.实验结果表明,所提出的方法既充分利用了步态时空信息又避免了冗余信息的干扰,能较好地解决多视角下的服饰和携带物等协变量结合的真实环境中的步态识别难题.