引用格式: 赵国顺,方建安,瞿斌杰,等. 基于频域注意力时空卷积网络的步态识别方法[J].信息技术与网络安全,2020,39(6):13-18.
步态特征,通俗来说就是人行走时的姿态外观,具体包括手臂、大腿、小腿等身体轮廓的变化,由于步态的采集不需要与被识别者有物理上的接触,也不需要近距离的接触,因此应用场景比较完善。医学研究表明,每一个人的步态都有自己的形态,具有唯一性,使用步态识别具有一定的安全性,不会导致信息的错误。将步态识别技术应用于当今智能监控领域,可以在多场景下对人员进行监控,防止意外情况发生,也有利于锁定犯罪嫌疑人,节省人力物力。
目前,关于步态识别的方法主要有两种。一种是基于步态模板的方法,主要是通过构建步态特征,比如关节点的位置变化、重心的起伏周期等几何数字特征,将一个人的行走视频序列压缩成一个模板,然后通过匹配待预测行人的步态与模板的相似度进行识别。另一种方法是通过深度学习直接抽取原始图像序列的步态信息,通过深度神经网络学习高维时空信息来匹配行人的步态,这种方法不需要大量精细的特征构建,是一种端到端的识别方法。
虽然基于步态模板的方法取得了一定的准确率,但是这种特征构造方法复杂,而且受角度、环境、穿着变化影响较大,同时这种特征缺失了时空信息的抽取,在精度上具有一定的限制性。深度学习方法是一种端到端的学习方法,鲁棒性强,易于操作,但是由于模型参数巨大,如何保证准确性与实时性成了关键。
本文基于深度学习的方法,改良了三维卷积网络(C3D)的网络结构,提出频域注意力卷积操作,主要通过划分频域空间,引进频域卷积。同时另一个创新主要是注意力机制的引入,这使得网络更加关注不同步态之间的不同,调整步态分布的重要性,提升网络学习效果。经由中科大数据集CASIA dataset B检测,本文方法在跨视角实验和方法对比实验中具有提升。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003146
作者信息:
赵国顺1,2,方建安1,2,瞿斌杰1,2,Samah A.F.Manssor1,2,孙韶媛1,2
(1.东华大学 信息科学与技术学院,上海201620;
2.数字化纺织服装技术教育部工程研究中心,上海201620)