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

1、生物識(shí)別技術(shù)是一種認(rèn)證機(jī)制，通過人的獨(dú)特生理或行為特征進(jìn)行自動(dòng)識(shí)別或驗(yàn)證?；谏锾卣鞯淖R(shí)別技術(shù)具有更高的準(zhǔn)確性，許多生物特征已被用于不同的領(lǐng)域。步態(tài)識(shí)別是一種新的生物特征識(shí)別技術(shù)，主要通過人的走路姿勢(shì)進(jìn)行身份識(shí)別，具有遠(yuǎn)距離識(shí)別的優(yōu)點(diǎn)。步態(tài)識(shí)別在實(shí)際生活中具有廣泛的應(yīng)用。
　　在基于視覺的步態(tài)識(shí)別中，視角變化是步態(tài)識(shí)別中最具挑戰(zhàn)性的問題之一。為了解決步態(tài)識(shí)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(shí)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(biāo)準(zhǔn)化的輪廓序列中學(xué)習(xí)空間信息和時(shí)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?？梢酝ㄟ^在Sports-1M進(jìn)行預(yù)訓(xùn)練并用步態(tài)訓(xùn)練樣本進(jìn)行微調(diào)來獲得最終的網(wǎng)絡(luò)模型。在識(shí)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(jìn)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(shí)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(dāng)?shù)亟M合全局和局部信息，采用主成分分析方法進(jìn)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(xì)性使步態(tài)特征具有更好的魯棒性。最后，通過支持向量機(jī)對(duì)步態(tài)序列進(jìn)行識(shí)別。
　　本文將提出的步態(tài)識(shí)別算法在CASIA-B數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)，實(shí)驗(yàn)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(shí)別方法的性能，同時(shí)在視角變化較