步態(tài)識別是一種新興的生物特征識別技術(shù),與傳統(tǒng)生物特征識別技術(shù)相比具有非接觸性、遠(yuǎn)距離識別、難以偽裝等優(yōu)點,得到了廣泛的關(guān)注與研究。但是在步態(tài)識別過程中的影響因素也有很多,包括拍攝角度、行人裝扮等,會對識別準(zhǔn)確率帶來很大的影響。當(dāng)前,深度學(xué)習(xí)在圖像識別與特征提取方面優(yōu)勢明顯,本文基于深度學(xué)習(xí)對步態(tài)識別方法進行了研究,主要的研究內(nèi)容如下:提出了一種基于生成對抗網(wǎng)絡(luò)的多視角步態(tài)識別模型。視角轉(zhuǎn)換是解決步態(tài)識別問題的有效方法,即將任意視角的步態(tài)圖轉(zhuǎn)換到特定視角。但步態(tài)圖特定視角的轉(zhuǎn)換會導(dǎo)致步態(tài)特征丟失,為了解決視角轉(zhuǎn)換過程中的特征丟失問題,本文設(shè)置了多個模型來同時進行多個視角的轉(zhuǎn)換,利用多張生成步態(tài)圖來同時保留不同的特征信息,在實現(xiàn)上,鑒于生成對抗網(wǎng)絡(luò)在圖像處理領(lǐng)域的優(yōu)秀性能,使用生成對抗網(wǎng)絡(luò)來建立多視角轉(zhuǎn)換模型,使得在識別過程中能利用更多的特征信息來確定行人的身份,達(dá)到提升識別率的目標(biāo)。在多視角模型中,角度的數(shù)目與視角均會影響步態(tài)識別的精度,為了發(fā)現(xiàn)獲取這些因素對識別結(jié)果的影響,重點針對模型的角度個數(shù)和角度組合進行研究,分別給出了對應(yīng)的選擇策略,通過實驗確定了兼顧識別率與效率的模型參數(shù)。最后通...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.3一個序列當(dāng)中輪廓的寬度統(tǒng)計

基于深度學(xué)習(xí)的多視角步態(tài)識別算法設(shè)計與研究指在運動中一只腳觸地到下一次同一只腳再次觸地之間前進，一個步態(tài)周期也被稱為步幅[19]。目前大多數(shù)步態(tài)特?fù)?jù)來進行提取，因為每個人之間的步頻都會存在一定的差廓作為依據(jù)，則評判標(biāo)準(zhǔn)會存在較大差異。所以步態(tài)周期重要的影響。在行走過程中，輪廓的寬....

圖4.12實驗二與GEI在背包行走序列上的多視角rank準(zhǔn)確率對比，從上往下依次為實驗二以及GEI的結(jié)果

基于深度學(xué)習(xí)的多視角步態(tài)識別算法設(shè)計與研究GEI在正常行走序列上的多視角rank準(zhǔn)確率對比，從上往下GEI的結(jié)果

圖4.18實驗四與GEI在正常行走序列多視角平均準(zhǔn)確率上的對比，上方為實驗四結(jié)果

基于深度學(xué)習(xí)的多視角步態(tài)識別算法設(shè)計與研究0）。可以看出實驗四所采用的框架可以非常好的解決多視角較好的解決著裝變化以及攜帶背包所帶來的準(zhǔn)確率不

圖4.21與現(xiàn)有方法在驗證集角度為54°上的對比結(jié)果

基于深度學(xué)習(xí)的多視角步態(tài)識別算法設(shè)計與研究練55個投影矩陣，而且需要在明確知道注冊集角度以及驗證集角度的情況下要的投影矩陣進行實驗，這不適用于現(xiàn)實場景中行人與攝像頭之間的角度處于情況，而且其他大多數(shù)現(xiàn)有的方法也都是需要根據(jù)具體的注冊集角度以及驗證逐一訓(xùn)練大量模型并在使用的時候....

本文編號：4014837