基于卷积神经网络和不完整步态周期的步态识别方法

摘要

基于完整步态周期的步态能量图(GEI)已经成为一种常用的反映不同个体步态特征的方法,但在有些场景下,由于环境的重叠现象,难以得到由完整步态周期组成的GEI.使用几帧不完整的步态数据,只能获得较低的步态识别率.因此,提出了一种基于全卷积神经网络(FCN)的方法来重构GEI.该网络使用由较少帧组成的GEI作为输入,得到对应于由更多帧组成的GEI.通过逐步重构,该网络可将不完整GEI转化为完整GEI.实验结果显示,在重构和步态识别上,该方法还原出的完整GEI接近于目标GEI,特别是在还原由较多帧组成的GEI时,效果更好.