融合多尺度特征表示和注意力机制的步态识别模型

来源：上海理工大学学报杂志2024年第6期北京时间：

作者：曹子康，裴颂文，黄立波

单位：上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,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

基金资助：国家自然科学基金资助项目(61975124)；四川省重点研发项目（2024YFFK0443）；上海市自然科学基金资助项目(20ZR1438500)