步態(tài)特征，通俗來說就是人行走時的姿態(tài)外觀，具體包括手臂、大腿、小腿等身體輪廓的變化，由于步態(tài)的采集不需要與被識別者有物理上的接觸，也不需要近距離的接觸，因此應(yīng)用場景比較完善。醫(yī)學(xué)研究表明，每一個人的步態(tài)都有自己的形態(tài)，具有唯一性，使用步態(tài)識別具有一定的安全性，不會導(dǎo)致信息的錯誤。將步態(tài)識別技術(shù)應(yīng)用于當(dāng)今智能監(jiān)控領(lǐng)域，可以在多場景下對人員進(jìn)行監(jiān)控，防止意外情況發(fā)生，也有利于鎖定犯罪嫌疑人，節(jié)省人力物力。

目前，關(guān)于步態(tài)識別的方法主要有兩種。一種是基于步態(tài)模板的方法，主要是通過構(gòu)建步態(tài)特征，比如關(guān)節(jié)點(diǎn)的位置變化、重心的起伏周期等幾何數(shù)字特征，將一個人的行走視頻序列壓縮成一個模板，然后通過匹配待預(yù)測行人的步態(tài)與模板的相似度進(jìn)行識別。另一種方法是通過深度學(xué)習(xí)直接抽取原始圖像序列的步態(tài)信息，通過深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)高維時空信息來匹配行人的步態(tài)，這種方法不需要大量精細(xì)的特征構(gòu)建，是一種端到端的識別方法。

雖然基于步態(tài)模板的方法取得了一定的準(zhǔn)確率，但是這種特征構(gòu)造方法復(fù)雜，而且受角度、環(huán)境、穿著變化影響較大，同時這種特征缺失了時空信息的抽取，在精度上具有一定的限制性。深度學(xué)習(xí)方法是一種端到端的學(xué)習(xí)方法，魯棒性強(qiáng)，易于操作，但是由于模型參數(shù)巨大，如何保證準(zhǔn)確性與實(shí)時性成了關(guān)鍵。

本文基于深度學(xué)習(xí)的方法，改良了三維卷積網(wǎng)絡(luò)(C3D)的網(wǎng)絡(luò)結(jié)構(gòu)，提出頻域注意力卷積操作，主要通過劃分頻域空間，引進(jìn)頻域卷積。同時另一個創(chuàng)新主要是注意力機(jī)制的引入，這使得網(wǎng)絡(luò)更加關(guān)注不同步態(tài)之間的不同，調(diào)整步態(tài)分布的重要性，提升網(wǎng)絡(luò)學(xué)習(xí)效果。經(jīng)由中科大數(shù)據(jù)集CASIA dataset B檢測，本文方法在跨視角實(shí)驗(yàn)和方法對比實(shí)驗(yàn)中具有提升。

本文詳細(xì)內(nèi)容請下載:http://www.xxav2194.com/resource/share/2000003146

作者信息：

趙國順1,2，方建安1，2，瞿斌杰1，2，Samah A.F.Manssor1，2，孫韶媛1，2

(1.東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海201620；

2.數(shù)字化紡織服裝技術(shù)教育部工程研究中心，上海201620)