為了提高力觸覺足跡識別的準(zhǔn)確率,提出一種基于空間聚合加權(quán)注意力機(jī)制的足跡識別算法.首先,采用壓力足跡采集器采集并構(gòu)建一個包含100人2 000幅力觸覺足跡圖像的數(shù)據(jù)集;然后,采用VGG19卷積神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型提取特征,為獲取特征圖中足跡壓力分布感興趣區(qū)域,設(shè)計一種空間聚合加權(quán)模塊（SAWM）,該模塊專注高響應(yīng)區(qū)域從而提取足跡中顯著區(qū)域局部特征,并與輸入特征圖加權(quán)融合,保留顯著性特征,抑制不重要特征;最后輸出的特征經(jīng)過平均池化在全連接層實現(xiàn)力觸覺足跡的識別.試驗結(jié)果表明,所提算法準(zhǔn)確率達(dá)到了91.20%,優(yōu)于其他注意力機(jī)制算法以及傳統(tǒng)的足跡識別算法.采用空間聚合加權(quán)注意力機(jī)制網(wǎng)絡(luò)模型能夠有效進(jìn)行足跡識別,為身份識別提供技術(shù)支撐. 

【文章來源】：東南大學(xué)學(xué)報(自然科學(xué)版). 2020,50(05)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

壓力采集軟件界面

圖2展示了4個人的部分力觸覺足跡圖像,其中每一行從左到右依次為同一個人的5幅左腳和5幅右腳足跡圖像.足跡圖像顏色越深壓力值就越大,從圖中可以看出不同人的足跡圖像之間在形態(tài)、壓力分布等方面具有很大的相似性,而同一人的足跡圖像之間又具有很大的差異性,這些都給足跡的識別帶來了一定的困難和挑戰(zhàn).1.3 數(shù)據(jù)預(yù)處理

式中,Tn表示第n個加權(quán)特征圖.最后再經(jīng)過平均池化層,保留主要特征同時減少參數(shù),對特征降維,提高模型泛化能力.2.2 基于空間聚合加權(quán)模塊的VGG網(wǎng)絡(luò)結(jié)構(gòu)


本文編號：3016921