论文部分内容阅读
现有基于轮廓图的步态识别方法易受服装等外部条件干扰,而基于3D模型的识别方法虽然一定程度上抵抗了外部干扰,但对摄像设备有额外的要求,且模型计算复杂。针对上述问题,利用3D姿态估计技术,建立了行人运动的"轻"模型,利用神经网络框架,提取行人3D空间运动的时空信息,并且与轮廓图的信息相融合,进一步丰富了步态特征。在CASIA-B的数据集上的实验结果表明:融合了3D时空运动信息增强了步态特征的鲁棒性,进一步提升了识别率。