摘要
本发明涉及步态识别技术领域,尤其涉及基于PFTgait模型的步态识别方法,包括采集足底压力数据;多层卷积特征提取器、频域特征融合模块和时序关联特征编码器级联;利用多层卷积特征提取器进行步态特征提取;利用频域特征融合模块将对步态特征进行频域特征提取和频时特征转换;利用时序关联特征编码器捕捉步态的全局依赖关系;利用分类器输出步态类别。本发明解决现有手工特征工程依赖于先验知识,难以全面挖掘步态数据的复杂模式,限制了模型的表征能力;现有频域分析方法易受噪声干扰,影响特征的稳定性和泛化能力;传统RNN结构在处理长时间步态序列时难以有效建模全局依赖关系,导致关键信息的衰减或丢失等问题。
技术关键词
步态识别方法
卷积特征提取
步态特征提取
足底压力数据
频域特征提取
计算机程序代码
编码器
步态识别系统
步态识别技术
易受噪声干扰
频域分析方法
时序
多头注意力机制
分类器
前馈神经网络
手工特征
积层
数据压缩
系统为您推荐了相关专利信息
注意力
特征提取网络
姿态估计
人体骨架
卷积模块
多源异构数据融合
动态知识图谱
数据监测方法
多模态数据采集
马尔可夫逻辑网络
步态识别方法
分支
跨模态融合特征
池化特征
模态特征
情感识别方法
特征提取网络
情绪识别模型
特征提取模块
留一交叉验证
遥感图像分类方法
融合神经网络
频域特征提取
遥感数据处理
多源遥感数据