摘要
本发明公开了一种基于Swin Transformer‑3DCNN的全局‑局部特征融合的步态识别方法。提出了一种新的框架STCG能够同时利用步态特征的全局和局部信息进行步态识别。在STCG中,我们引入Swin transformer模块来进行全局信息的提取。该模块使用移位窗口来实现分层特征提取,能够更好地捕捉图像中的全局特征和长程依赖关系。局部分支中,我们通过使用多个3DCNN来分区对特征图进行特征提取,可以更好的提取的局部信息。并且我们还引入了Attention模块用于增强CNN提取出的局部信息。通过试验,我们的方法在步态识别中的性能有了很大的提升,在大部分条件下都达到了识别最佳。
技术关键词
步态特征
局部特征提取
步态识别方法
双线性插值
全局特征提取
分支
分层特征提取
注意力
卷积技术
模块
样本
传播算法
矩阵
序列
通道
优化器
代表
定义
令牌
系统为您推荐了相关专利信息
全色图像融合方法
状态空间模型
低分辨率高光谱图像
离散小波变换
网络
分布式视觉
设备端
分布式拓扑结构
图像传感器模块
文本
脑部肿瘤分割方法
医学影像数据
图像重建
网络
分割系统
预警管理方法
风险
参数
时间序列特征
消防预警设备
关键点特征
静态特征
动态
局部感受野
VGG网络