适应式步态特征学习使用混合步态序列

科学领域:

• 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息
• 模式识别 模式识别

背景情况:

• 步态识别提供无接触式识别,但与遮蔽 (外套,背包) 和视角变化作斗争.
• 隐蔽的行走轮和不同的摄像头角度显著降低了识别性能.

研究的目的:

• 为了提高步态识别在阻塞和不同摄像头视角下的准确性.
• 为应对外套 (CL),背包 (BG) 和不同摄像头角度在步态识别中所带来的挑战.

主要方法:

• 拟议的步行序列混合 (GSM) 用于数据增强,以减轻因闭塞而导致的信息丢失.
• 引入多颗粒度特征提取 (MFE) 来捕捉不完整轮的各种步态特征.
• 开发了特征距离对齐 (FDA) 来改进特征并减少视角差异.

主要成果:

• 提出的方法,包括GSM,MFE和FDA,显著提高了步态识别性能.
• 在CASIA-B和迷你OUMVLP数据集的实验中,与最先进的方法相比,显示出优异的结果.
• 整合GSM和FDA模块提高了现有的最先进的步态识别技术的准确性.

结论:

• 综合方法有效地解决了步态识别中的闭塞和视角挑战.
• 提出的方法提供了一个可靠的解决方案,可靠的人类识别使用步态分析.
• 这项工作促进了步态识别在现实世界监视和安全系统中的实际应用.