一种基于时空信息增强和多尺度显著性特征提取的跨视角步态识别方法

摘要

本发明涉及一种基于时空信息增强和多尺度显著性特征提取的跨视角步态识别方法，包括步态轮廓预处理、构建双注意力残差学习块、骨架网络构建、多尺度显著性特征提取模块构建、整体框架训练及跨视角步态识别。将步态样本进行轮廓矫正处理后作为输入数据。设计基于3D卷积的双注意残差学习块并以此作为基本块构建骨架网络，逐步提升网络对时空信息重要性的感知能力，有效过滤干扰信息。为了充分挖掘显著性的细粒度特征以获取更为鲁棒的局部特征表示，设计多尺度的显著性特征提取模块对骨架网络获取的全局特征进行进一步的信息提取。为了提升整个框架的判别性特征表示能力使用三元组损失进行整个框架训练，最终利用训好的模型进行跨视角的步态识别。