摘要: 步态指行人行走的模式，是重要的生物特征之一，在身份识别、医疗诊断等多个领域都有着广泛的应用。其中基于步态的身份识别方法，因具有作用距离远、无需行人主动配合等优点受到了广泛的关注。步态识别方法可分为基于外观的方法和基于模型的方法两类... 展开 步态指行人行走的模式，是重要的生物特征之一，在身份识别、医疗诊断等多个领域都有着广泛的应用。其中基于步态的身份识别方法，因具有作用距离远、无需行人主动配合等优点受到了广泛的关注。步态识别方法可分为基于外观的方法和基于模型的方法两类。基于外观的方法利用轮廓图像获取步态信息，具有简单直观、效果良好的优点，是目前步态识别的主流方法；但这类方法的缺点是易受外观变化等环境因素的影响。而基于模型的方法则先对人体进行建模再提取步态信息，因此对外观变化具有更好的鲁棒性；但由于建模困难导致准确率较低且泛化性能较差。针对这两类方法的优缺点，设计了一种以外观为主、融合姿态信息的步态识别方法，在保持基于外观的方法高准确率的同时，融入姿态信息改善其对外观因素鲁棒性差的缺点。论文的具体工作如下： 1.对于基于外观的步态识别方法易受外观变化干扰的问题，设计了一种基于双分支特征融合网络的步态识别算法，其主要思想是：考虑到基于外观的步态识别方法采用轮廓图像作为输入数据，而轮廓图像不可避免的会随外观变化而变化，而人体模型，如人体姿态则不易受外观的影响，因此将姿态信息和轮廓图像结合后获得的步态信息就能够克服这个缺点。具体而言，设计了一个双分支卷积神经网络分别从轮廓图像和人体姿态中提取外观特征和姿态特征，并利用所设计的特征融合模块将两种特征融合得到步态特征。在CASIA-B数据集上的实验结果验证了算法的有效性。 2.设计了一种基于姿态的自适应置信度图卷积网络步态识别算法，能够从姿态数据中获得更丰富、更准确的姿态信息，可作为双分支特征融合网络的姿态分支以进一步提高步态识别的准确率。一般基于模型的步态识别方法在处理姿态数据时都将其看作独立的姿态关键点而忽略了其中的联系，而且大多数方法都没有对姿态数据中的噪声进行处理。若将人体姿态看作图数据，通过图卷积网络不仅能够获得姿态关键点中的姿态，同时也能获得关键点连接关系中的信息；另一方面在图卷积运算中设计了一种置信度加权机制，以抑制姿态数据中的噪声，从而提高姿态信息的准确性。大量的实验结果验证了该算法的有效性和鲁棒性。 收起