声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：张云佐,董旭
单位：石家庄铁道大学 信息科学与技术学院,石家庄 050043,,石家庄铁道大学 信息科学与技术学院,石家庄 050043,
关键词：无肩姿态拓扑能量图;局部骨骼步态特征;BlazePose;双流网络;深度学习;步态识别
基金：国家自然科学基金项目(61702347,62027801)；河北省自然科学基金项目(F2017210161,F2022210007)； 河北省高等学校科学技术研究项目(ZD2022100)；中央引导地方科技发展资金项目(226Z0501G).
针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(shoulderless pose topological energy maps,SPTEM)和三维局部骨骼步态特征(local skeleton gait features,LSGF)的深度学习步态识别方法.首先,利用轻量级BlazePose姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成SPTEM,在提高检测速度的同时减弱衣物变化带来的影响;然后,引入LSGF以弥补单一能量图特征在多变视角情况下识别准确率较低的不足;最后,提出结合注意力机制的时空特征提取网络模型,并在全连接层将双流特征进行一致融合.在CASIA-B数据集上对所提出方法进行验证,并与当前主流的步态识别方法进行比较,结果表明,所提出方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升.
来源：2024年第4期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。