基于步态能量图与VGG结合的步态识别方法

doi:10.3969/j.issn.1674-8425(z).2020.05.021

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (5): 166-172.doi: 10.3969/j.issn.1674-8425(z).2020.05.021

基于步态能量图与VGG结合的步态识别方法

闫河,罗成,李焕,李彦

重庆理工大学计算机科学与工程学院,重庆 400054

发布日期:2020-06-13
作者简介:闫河，男，教授，主要从事模式识别、目标跟踪和人工智能研究；通讯作者罗成，女，硕士研究生，主要从事步态识别研究，Ｅ-ｍａｉｌ：８４５５７０２９１＠ｑｑ．ｃｏｍ。
基金资助:
国家自然科学基金面上项目(61173184);重庆市自然科学基金项目(cstc2018jcyjA2328);重庆市技术创新与应用示范项目(cstc2018jszx-cyztzx0206)

Published:2020-06-13

摘要/Abstract

摘要： 基于深度学习端到端和多层特征提取的思想，给出一种基于步态能量图和ＶＧＧ卷积神经网络结合的步态识别方法。首先，使用背景减除法分割出人体轮廓；然后，通过身体轮廓宽度变化计算出步态周期；其次，根据步态周期图像计算出步态能量图；最后使用ＶＧＧ网络对步态能量图进行特征学习及分类。实验结果表明：所提出的方法可以准确识别行人身份，在ＣＡＳＩＡ－Ｂ步态数据中平均准确率可达９２．５％，且对视角有较好的鲁棒性，对深度学习在步态识别领域的进一步应用有借鉴意义。

中图分类号:

TP391

闫河,罗成,李焕,李彦. 基于步态能量图与VGG结合的步态识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(5): 166-172.

[1]	杨珍，王俊，辛春花. 利用ＤＣＥ-ＭＲＩ结合改进卷积神经网络的ＭＲ图像自动分割与分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 147-157.
[2]	杨国亮，曾建尤，龚曼，祝靖宇. 基于卷积神经网络的衣物属性分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 77-85.
[3]	陈欣１，陈明逊２. 基于增强数据集卷积神经网络的ＳＡＲ目标识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 86-93.
[4]	陈乐, 童莹, 陈瑞, 曹雪虹. 端到端增强特征神经网络的视频表情识别[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 125-131.
[5]	. 基于深度学习的B超生猪脂肪含量检测[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 112-116.
[6]	. 基于深度学习的行人检测技术研究进展[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 98-109.
[7]	. 深度哈希卷积网络在图像检索中的应用[J]. 重庆理工大学学报（自然科学）, 2019, 33(3): 98-106.
[8]	胡远志ａ，刘俊生ｂ，肖佐仁ｂ，耿庄程ｂ. 基于数据融合的目标测距方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 18-25.
[9]	林倩瑜. 基于模糊卷积神经网络的大数据分类挖掘技术[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 121-126.
[10]	. 一种CNN与ELM相结合的船舶分类识别方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[11]	. 一种基于双通道卷积神经网络的短文本分类方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[12]	. 面向ＳＡＲ目标分类的卷积神经网络算法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(7): -.
[13]	. 卷积神经网络在SAR目标识别中的应用[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.
[14]	. 应用深度卷积神经网络的机场及机场内飞机目标识别技术[J]. 重庆理工大学学报（自然科学）, 2018, 32(3): -.
[15]	. 应用卷积神经网络的测距算法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(3): -.

基于步态能量图与VGG结合的步态识别方法

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 8