基于有效全局-局部特征表示与局部时间聚合的步态识别

步态识别是最重要的生物特征技术之一，已应用于诸多领域。现有步态识别框架通过从人体全局外观或局部区域提取的描述子来表示每帧步态。然而，基于全局信息的表示常忽略步态帧细节，而基于局部区域的描述子无法捕捉相邻区域间关系，从而降低判别力。本文提出一种新颖的特征提取与融合框架，以获得具判别力的步态识别特征表示。为此，我们利用全局视觉信息与局部区域细节，设计了全局与局部特征提取器（GLFE）。具体而言，GLFE 模块由我们新设计的多重全局与局部卷积层（GLConv）组成，以原则性方式集成全局与局部特征。此外，我们提出一种新操作，即局部时间聚合（LTA），通过降低时间分辨率以获得更高空间分辨率，进一步保留空间信息。借助 GLFE 与 LTA，我们的方法显著提升了视觉特征的判别力，从而改善步态识别性能。大量实验表明，所提方法在两个常用数据集上优于当前最优的步态识别方法。