融合多尺度特征表示和注意力机制的步态识别模型.pdfVIP

上

海

理

工

大

学

学

报

第

46

卷

第

6

期J.

University

of

Shanghai

for

Science

and

TechnologyVol.

46

No.

6

2024

文章编号：1007−6735(2024)06−0589−11DOI:10.13255/ki.jusst.20241016002

融合多尺度特征表示和注意力机制的

步态识别模型

112

曹子康，

裴颂文，

黄立波

（1.

上海理工大学

光电信息与计算机工程学院，上海

200093；2.

国防科技大学

计算机学院，长沙

410000）

摘要：针对步态识别模型在特征表示粒度和时空依赖建模的不足，提出了一种融合多尺度特征表

示和注意力机制的步态识别模型。该模型包含两个关键模块：多尺度特征融合网络（multi-scale

features

fusion

network，MFFN）和步态注意力融合模块（gait

attention

fusion

module，GAFM）。其

中，MFFN通过多尺度、多粒度特征融合提高特征表示的丰富性和判别力；

GAFM通过自适应地

关注步态序列中的关键帧和重要区域，从而有效地建模长期时空依赖关系。在3个数据集CASIA-

B，CASIA-B*和OUMVLP上的实验结果表明，该模型在多种复杂条件下均优于现有模型，相较

于基准模型，平均识别率分别提升了0.9%，0.3%和0.6%。

关键词：步态识别；多尺度特征；注意力机制；时空依赖；特征融合

中图分类号：TP

181

文献标志码：A

Agaitrecognitionmodelfusingmulti-scalefeaturerepresentation

andattentionmechanism

112

CAOZikang，PEISongwen，HUANGLibo

(1.SchoolofOptical-ElectricalandComputerEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,

China;2.CollegeofComputers,NationalUniversityofDefenseTechnology,Changsha410000)

Abstract:To

address

limitations

in

gait

recognition

model

regarding

feature

representation

granularity

and

spatio-