原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第41卷第1期福建电脑Vol.41No.1
2025年1月JournalofFujianComputerJan.2025
三流时空步态神经网络用于Kinect身份鉴定
严云飞
(福建师范大学计算机与网络空间安全学院福州350117)
摘要步态识别是一种生物特征识别技术。为提高步态识别在走廊场景下的准确率，本文提出一种利用三流图结构数据的
混合深度学习模型。该模型基于时间卷积网络和空间卷积网络，以充分提取步态图中最具代表性的时空步态动态特征。通过
在30名受试者的正常步态数据上的实验研究，结果表明，该方法的最大准确率达到99.58%，说明该方法能够学习到步态时
空的差异特征。
关键词时空步态分析；身份鉴定；图神经网络；特征提取
中图法分类号TP389.1DOI:10.16707/j.cnki.fjpc.2025.01.001
ThreeStreamSpatiotemporalGaitNeuralNetworkforKinectIdentity
Authentication
YANYunfei
(CollegeofComputerandCyberSecurity,FujianNormalUniversity,Fuzhou,China,350117)
AbstractGaitrecognitionisabiometricrecognitiontechnology.Toimprovetheaccuracyofgaitrecognitionin
corridorscenes,thispaperproposesahybriddeeplearningmodelusingthreestreamgraphstructureddata.The
modelisbasedonbothtemporalandspatialconvolutionalnetworkstofullyextractthemostrepresentative
spatiotemporalgaitdynamicfeaturesfromgaitmaps.Throughexperimentsonnormalgaitdataof30subjects,
theresultsshowedthatthemaximumaccuracyofthismethodreached99.58%,indicatingthatthemethodcan
learnspatiotemporaldifferencesingaitfeatures.
KeywordsSpatiotemporalGaitAnalysis;PersonIdentification;GCN;FeatureExtraction
景建模技术从一段视频或者图片中提取出身体轮
1引言廓，然后通过提取的人体轮廓来获得步态特征。步
态能量图像（GaitEnergyImage，GEI）是这一类方
步态作为人类的一种行为特征，可以被视为由法的典型代表[8-12]，但这类方法不能发现步态中内
人体关节点和骨骼之间的协调运动所形成的一系在的神经控制、肌肉力量和动作规律等方面的联
列具有周期性的非线性钟摆组合[1]。不同个体之间系。近年来，随着机器学习和深
文档评论（0）