摘要：近年来，步态识别技术作为计算机视觉和模式识别领域的研究重点，已广泛应用于智能交互等多个领域。然而，步态识别在视角变化和模型训练稳定性方面仍面临较大挑战。针对这些问题，本文提出了一种融合风格编码的双通道时空卷积生成对抗网络模型。该模型通过双通道时空卷积网络分别提取步态图像中的复杂时空特征与步态特征，并引入风格编码器来减少生成图像与原图之间的语义差异，从而提升生成器的稳定性。基于CASIA-B数据集的实验结果表明，所提模型相比GaitGAN在54o、90o和126o这三个具有代表性的步态视角下，识别率分别提高了23%、28%和22%。此外，该方法在OU-MVLP大规模跨视角步态数据库中仍展现出较好的适用性，达到了89.1%的平均识别精度，有效提高了跨视角步态识别率。
文章目录
0 引 言
1 基于GAN的步态识别模型
1.1 GaitGAN的网络架构
1.2 DSCGAN-SE网络架构
2 融合风格编码的双通道时空卷积生成对抗网络跨视角步态识别模型
2.1 生成器网络架构
2.2 判别器网络架构
2.3 风格编码器网络架构
2.4 损失反馈机制
3 实验与结果分析
3.1 CASIA-B数据集
3.2 OU-MVLP数据集
3.3步态数据集图像预处理
3.4 评价指标及实验设置
3.5实验参数设置
3.6实验结果与分析
3.7 消融实验
3.8 实验结果可视化
3.9 CASIA-B数据集上跨视角步态识别对比
3.10 OU-MVLP数据集上跨视角步态识别对比
4 结束语
