文献类型：期刊文章

作　　者：胡靖雯[1] 李晓坤[2] 陈虹旭[2] 徐秦成[1] 黄逸群[1] 林艺[1]

HU Jingwen;LI Xiaokun;CHEN Hongxu;XU Qincheng;HUANG Yiqun;LIN Yi(School of International Culture and Education,Heilongjiang University,Harbin Heilongjiang 150080,China;National Postdoctoral Research Station,Heilongjiang Hengxun Technology Company Limited,Harbin Heilongjiang 150090,China)

机构地区：[1]黑龙江大学国际文化教育学院,哈尔滨150080 [2]黑龙江恒讯科技有限公司国家博士后科研工作站,哈尔滨150090

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(81273649,61501132,61672181);中央高校基本科研业务费专项资金资助项目(3072019CFT0603);黑龙江省自然科学联合引导基金资助项目(LH2019F049,LH2019A029);中国博士后科学基金资助项目(2019M650069);黑龙江省基础科研科技创新基金资助项目(KJCX201805);黑龙江省基础科研青年创新团队基金资助项目(RCYJTD201805);中小企业创新基金资助项目(2017FF1GJ023);专利优势示范企业基金资助项目(2017YBQCZ029)。

年　　份：2020

卷　　号：40

期　　号：S01

起止页码：69-73

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：步态识别是一种非侵入性生物识别技术,可用于在监控系统中识别身份。然而协变量因素如视角、服装、携带物等使步态识别性能下降,其中视角是一项具有挑战性的因素。卷积神经网络(CNN)是最先进的机器学习技术之一,具有拟合复杂非线性函数的能力。因此,提出一种基于多层CNN的步态识别方法。该方法使用CNN直接从低级输入原始数据(即步态能量图(GEI)),自主学习步态特征,利用四重损失函数对网络进行端到端的训练。应用上述方法在具有挑战性的CASIA-B数据集上进行步态识别测试。实验结果显示,该方法在单视角和交叉视角的条件下识别精度分别达到93.78%和91.68%,对降低步态识别性能的几种因素具有鲁棒性,在实际应用中具有一定潜力。

关 键 词：步态识别 卷积神经网络 深度学习  交叉视角  步态能量图

分 类 号：TP391]