基于三維卷積神經(jīng)網(wǎng)絡(luò)步態(tài)識別方法的研究.pdf

1、生物識別技術(shù)是一種認證機制，通過人的獨特生理或行為特征進行自動識別或驗證?；谏锾卣鞯淖R別技術(shù)具有更高的準確性，許多生物特征已被用于不同的領(lǐng)域。步態(tài)識別是一種新的生物特征識別技術(shù)，主要通過人的走路姿勢進行身份識別，具有遠距離識別的優(yōu)點。步態(tài)識別在實際生活中具有廣泛的應(yīng)用。
　　在基于視覺的步態(tài)識別中，視角變化是步態(tài)識別中最具挑戰(zhàn)性的問題之一。為了解決步態(tài)識別中跨視角的問題，本文提出了一種基于三維卷積神經(jīng)網(wǎng)絡(luò)視角無關(guān)的步態(tài)識別算法

2、。首先，引入三維卷積神經(jīng)網(wǎng)絡(luò)(3DCNN)來學(xué)習(xí)視角無關(guān)的步態(tài)特征，3DCNN可以從標準化的輪廓序列中學(xué)習(xí)空間信息和時間信息。其次，提出了一種基于跨領(lǐng)域遷移學(xué)習(xí)的網(wǎng)絡(luò)訓(xùn)練方法來解決有限步態(tài)訓(xùn)練樣本問題。可以通過在Sports-1M進行預(yù)訓(xùn)練并用步態(tài)訓(xùn)練樣本進行微調(diào)來獲得最終的網(wǎng)絡(luò)模型。在識別階段，本文使用微調(diào)后的模型來提取步態(tài)特征，并使用歐式距離的方法來度量步態(tài)序列之間的相似性。為進一步改善方法性能，提出了一種基于局部與全局特征融合的步

3、態(tài)識別算法。首先，利用3DCNN和跨領(lǐng)域遷移學(xué)習(xí)的方法提取局部和全局特征。其次，通過特征串行融合的方式適當?shù)亟M合全局和局部信息，采用主成分分析方法進行特征選擇。通過結(jié)合全局特征的整體性和局部特征的精細性使步態(tài)特征具有更好的魯棒性。最后，通過支持向量機對步態(tài)序列進行識別。
　　本文將提出的步態(tài)識別算法在CASIA-B數(shù)據(jù)集上進行了大量實驗，實驗結(jié)果表明，基于三維卷積神經(jīng)網(wǎng)絡(luò)視角無關(guān)的方法提高了現(xiàn)有步態(tài)識別方法的性能，同時在視角變化較