基于多分支特征融合的步态识别网络研究OA

针对步态识别中特征提取的局限性和对浅层特征关注度不足的问题,文中提出一种基于多分支特征融合的步态识别网络。该网络包含一个增强局部时间聚合模块(ELTA),在进行时间特征聚合的同时,通过空间注意力机制突出每帧中关键区域,进行空间增强。此外,提出多分支全局局部卷积层(MBGLConv),使用不同的水平分割策略提取局部特征,将得到的局部特征相加,并与全局特征通过相加或拼接的方式融合。为了保存不同阶段提取出的全局局部特征,建立了双分支结构,通过残差连接方式保存多尺度的全局局部特征,并行处理多尺度信息和时空动态整合。通过在公共步态数据集CASIA-B上进行实验,在正常行走、背包和穿着外套的情况下,所提方法分别获得了97.7%、95.3%和85.6%的Rank-1准确率,实验结果说明该方法为进一步提高步态识别准确率提供了一种新思路。