论文部分内容阅读
针对步态周期检测直接影响到步态识别的计算量和精度的问题,本文基于深卷积神经网络实现步态周期检测,分别通过将步态序列根据周期性进行分类,和将步态序列拟合为正弦函数进行步态周期性检测的方法,对步态周期进行建模。其关键思想是根据步态周期的规律性,将步态起伏作为分类问题或一个正弦函数来建模,步态视频中的每个帧对应一个可以表示其周期特征的类别或函数值。而卷积神经网络被用于提取步态帧的周期性特征,以定位该帧在周期中的位置,得到分类或回归结果,最终实现步态周期检测。在CASIA-B数据集的不同视角下采用了多种网络