-
公开(公告)号：CN108596026A
公开(公告)日：2018-09-28
申请号：CN201810217938.7
申请日：2018-03-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于双流生成对抗网络的跨视角步态识别装置及训练方法。旨在解决跨视角步态识别准确率不高的问题。具体包括：通过一个全局流生成对抗网络模型学习一个标准角度的全局流步态能量图像；利用三个局部流生成对抗网络模型学习标准角度的局部流步态能量图像；该方法中的全局流模型能够学到全局步态特征，在全局流模型的基础上，加入局部流网络，可以学到局部步态特征；通过在双流生成对抗网络的生成器上加入像素级约束可以恢复步态细节；通过将全局步态特征和局部步态特征进行融合，可以提升步态识别准确率。该方法对于步态图像具有极强的鲁棒性，可以较好的解决跨视角步态识别问题。
-
公开(公告)号：CN108596026B
公开(公告)日：2020-06-30
申请号：CN201810217938.7
申请日：2018-03-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于双流生成对抗网络的跨视角步态识别装置及训练方法。旨在解决跨视角步态识别准确率不高的问题。具体包括：通过一个全局流生成对抗网络模型学习一个标准角度的全局流步态能量图像；利用三个局部流生成对抗网络模型学习标准角度的局部流步态能量图像；该方法中的全局流模型能够学到全局步态特征，在全局流模型的基础上，加入局部流网络，可以学到局部步态特征；通过在双流生成对抗网络的生成器上加入像素级约束可以恢复步态细节；通过将全局步态特征和局部步态特征进行融合，可以提升步态识别准确率。该方法对于步态图像具有极强的鲁棒性，可以较好的解决跨视角步态识别问题。
-
Search Results
2
records
(took 0.019 seconds)
