基于双层卷积神经网络的步态识别算法.pdfVIP

2015年 1月 安徽大学学报 (自然科学版) january2015 第39卷 第 1期 JournalofArlhuiUniversity(NaturalScience Vol_39No．】 doi：10．3969／j．issn．1000—2162．2015．01．006 基于双层卷积神经网络的步态识别算法 王 欣，唐 俊 ，王 年 (安徽大学 电子信息工程学院，安徽 合肥 230039) 摘 要 ：提出运用双层卷积神经网络模型实现基于足底压力图像的步态识别方法．首先，对足底压力数据采 集系统采集的图像作相应预处理 ；然后，用双层卷积神经网络模型学习得到足底压力图像的单层和双层卷积 特征 ；最后，将卷积特征训练分类器得到分类结果．实验结果验证了该算法的有效性． 关键词 ：卷积神经网络；足底压力图像 ；数据采集系统；深度学习；步态识别 中图分类号：TP391 文献标志码：A 文章编号：1000—2162(2015)01—0032—05 Gaitrecognition basedondouble-layerconvolutionalneuralnetworks WANG Xin。TANGJun ，WANG Nian (CollegeofElectronics＆，InformationEngineering，AnhuiUniversity，Hefei230039，China) Abstract：This paper proposed an algorithm of gait recognition using double—layer convolutional neural networks (D CNN ) and plantar pressure image． Firstly， the preprocessing of the evaluated images from the plantar pressure test system was implemented．Secondly，convolutionfeatureswerelearnedfrom singleanddoublelayerof convolutionalneuralnetworkmode1．Finlly，convolutionfeatureswereusedtotrain the SVM classifiersandobtaintheclassificationresults．Theexperimentalresultsdemonstrated theeffectivenessoftheproposedmethod． Keywords：convolutionalneuralnetworks；plantar image；data acquistion system；deep learning；gaitrecognition 基于足底压力信息的步态识别方法具有不易伪装、隐蔽性好等优点，在行为感知、医学诊断、身份识 别等领域有广泛的应用前景，目前也已经取得了一定的成果l1j．Hannula等选用鞋垫式传感器进行步态 分析l2；Mackey等采用压力传感器同时测量剪应力和垂直压力，将其应用于测量糖尿病人的步态=[3；林 尔东等提出了一种改进的基于地面反作用力的步态识别方法，在训练样本较少的情况下也能获得较高 的识别正确率_4等．但以上算法也存在着不足，如特征选取时计算量大、特征参数难以调节、特征表示在 以足底压力为基础的身份识别中仍然是一个亟待解决的问题_]． 卷积神经网络 (convolutionalneuralnetworks，简称 CNN)作为深度学习的常用模型，它具有权值 共享、模型复杂度低、权值数量少等优点 1．与传统识别算法相比，它避免了复杂的手动特征提取和数据 收稿 日期 ：2014-06—12 基金项 目：国家 自然科学基金资助项 目(6l172127)；高等学校博士学科点科研基金资助项 目10006)；安 徽省高校优秀青年人才基金资助项 (2012SQRI0