基于行走特征矢量图的步态识别方法

彭小波，黄海娜，杨辉跃，刘俊宏，黄 瑛

1)深圳大学机电与控制工程学院，深圳电磁控制重点实验室，广东深圳518060；2)深圳大学生命科学与海洋学院，深圳市海洋生物资源与生态环境科学重点实验室，广东省海洋藻类开发与应用工程重点实验室，广东深圳518071

步态指个体在走行过程中姿态的变化，是最重要的生物特征之一．随着深度学习技术的发展，基于步态的识别技术有了新的突破．利用神经网络进行有效的步态识别成为当前研究的热点[1]．但是现有方法的识别准确性受视角、服饰、携带物和背景等多种因素的影响[2]．近年来，国内外学者也在不断探究视角、服饰和携带物等协变量对步态识别性能的影响．针对这些影响，基于深度学习的步态识别技术可划分为生成式方法和判别式方法[3]．生成式方法通常是将不同条件下的步态特征转化为相同条件下的步态特征以获得更好的匹配．YU等[4-5]实现在相同条件下图像序列的转化，在一定程度上处理了跨视角的问题．随后又提出基于多个堆叠自编码器(stacked progressive auto-encoders, SPAE)的方法，通过堆叠的多层自动编码器对输入的步态能量图使用渐进的方法来生成步态不变特征．TONG等[6]提出跨域传输网络以提高多视角步态识别的准确性．KHAN等[7]提取了步态时空特征以构造步态描述器来训练非线性深度神经网络．BEN等[8]提出了一种用于跨步态识别的通用张量表示框架，提取Gabor特征并将基于Gabor的表示体投影到一个公共子空间进行识别．判别式方法是通过学习判别子空间或矩阵来提高识别能力[3]．该方法可以分为2类：一类是将步态轮廓图序列/步态模板输入到特征学习网络进行建模投影；……