基于CNN和DLTL的步态虚拟样本生成方法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-11-29 合作期刊: 《计算机应用研究》

支双双 赵庆会 金大海 唐琎

摘要： 针对步态识别在反恐、安防领域亟待解决的小样本问题，提出了一种基于深度卷积神经网络CNN(convolutional and neural network)和DLTL(dual learning and transfer learning)的步态虚拟样本生成方法。首先用基于VGG19的深度卷积神经网络模型低层响应提取步态风格特征图，然后利用基于对抗网络的对偶学习DL(dual learning)对风格特征图进行风格训练，得到风格特征模型；其次利用VGG19模型的高层响应提取步态内容特征图，然后让步态内容特征图对风格特征模型中的风格特征进行学习；最后使用迁移学习TL(transfer learning)获得步态虚拟偏移样本。实验结果表明，经过DLTL风格学习生成的步态虚拟样本虽然整体风格发生改变，但人体步态特征没有改变，可有效扩充小样本容量；当虚拟样本数量增加到一定数量，步态识别率有所提升。该方法与现有步态虚拟样本生成方法进行对比实验，结果表明该算法优于现有方法，能够大量生成虚拟样本且稳定提高步态识别的识别率。

 点击量 1296  下载量 733  评论