-
公开(公告)号：CN111967358B
公开(公告)日：2021-08-31
申请号：CN202010778327.7
申请日：2020-08-05
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于注意力机制的步态识别方法，包括以下步骤：从基准数据集中分割出训练集和测试集；通过未嵌入注意力机制的步态提取模型预训练网络，以此来使得模型对人体步态有好的适应性；在网络中嵌入时域和空域注意力机制模块，并加载预训练的网络模型参数；重新运用数据集训练基于注意力机制的步态识别特征提取模型，以此可以获得较好的步态识别结果。
-
Patent Agency Ranking
公开(公告)号：CN111967326A
公开(公告)日：2020-11-20
申请号：CN202010687318.7
申请日：2020-07-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于轻量化多尺度特征提取的步态识别方法，包括以下步骤：从基准数据集中分割出训练集和测试集；通过单一尺度特征的步态提取模型训练网络，以此来获得模型的基准精确度；在多尺度特征提取网络中不断嵌入3*3的卷积模块，并重新训练的网络模型参数；对比初始的单一尺度下的步态特征提取模型的精确度，选择最优的轻量化多尺度的步态识别特征提取模型，以此可以获得较好的步态识别结果。
-
公开(公告)号：CN111967358A
公开(公告)日：2020-11-20
申请号：CN202010778327.7
申请日：2020-08-05
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于注意力机制的步态识别方法，包括以下步骤：从基准数据集中分割出训练集和测试集；通过未嵌入注意力机制的步态提取模型预训练网络，以此来使得模型对人体步态有好的适应性；在网络中嵌入时域和空域注意力机制模块，并加载预训练的网络模型参数；重新运用数据集训练基于注意力机制的步态识别特征提取模型，以此可以获得较好的步态识别结果。
-
公开(公告)号：CN111967326B
公开(公告)日：2021-09-28
申请号：CN202010687318.7
申请日：2020-07-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于轻量化多尺度特征提取的步态识别方法，包括以下步骤：从基准数据集中分割出训练集和测试集；通过单一尺度特征的步态提取模型训练网络，以此来获得模型的基准精确度；在多尺度特征提取网络中不断嵌入3*3的卷积模块，并重新训练的网络模型参数；对比初始的单一尺度下的步态特征提取模型的精确度，选择最优的轻量化多尺度的步态识别特征提取模型，以此可以获得较好的步态识别结果。
-
-
公开(公告)号：CN109446991A
公开(公告)日：2019-03-08
申请号：CN201811277328.2
申请日：2018-10-30
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于全局和局部特征融合的步态识别方法。该方法包括：通过三维卷积神经网络从标准化轮廓图中训练出全局步态特征；通过三维卷积神经网络从局部轮廓图中训练出局部步态特征；通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合，获得组合步态特征，利用所述组合步态特征进行步态识别。本发明利用全局和局部的特征融合派生出最佳特征子集，进行步态特征提取模型的建立，统一解决现有的步态识别方法中存在的特征集不够有价值的问题，从而可以获得较好的步态识别结果。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
