基于多源传感器数据的步态识别算法研究.pdfVIP

基于多源传感器数据的步态识别算法研究.pdf

临沂大学硕士专业学位论文

摘要

不管是可穿戴设备数量还是物联网终端规模都在不断增加，用户的身份安全面临

着严峻挑战。传统的生物识别技术（如指纹识别、虹膜识别及人脸识别等）虽然能够

提升身份认证的安全性，但同时存在着识别距离短、易受环境影响等问题。步态识别

作为一种新兴的动态生物特征识别技术，能够通过提取个体行走时的运动特征实现身

份识别，具有非侵入性、抗伪装、适应复杂场景等优势。其唯一性源于人体生理结构

与行为习惯的长期耦合，可借助多源传感器（惯性传感器、压力传感）融合突破单模

态数据局限性，协同捕获具有差异化、互补性的步态数据。相比传统的依赖图像或视

频的识别方式，基于多源可穿戴传感器数据的步态识别系统具有更强的识别性能，并

适应复杂环境。然而，多模态传感器数据虽然丰富了信息维度，但也带来了一些亟待

解决的问题，诸如数据冗余、数据异常问题、步态特征多层次优化以及特征融合轻量

化的挑战，制约了步态识别系统性能的进一步提升。

针对上述问题，本文提出了一系列改进的步态识别算法，重点研究如何在多传感

器步态数据中有效处理数据缺陷问题、优化多层次步态特征和高效计算问题，主要内

容包括：

（1）针对多模态步态数据中的数据冗余和数据异常问题，本文设计了通道多尺度

感知模块与局部通道注意力特征组合模块，通过优化特征提取与选择，提升了模型的

识别性能。

（2）为了实现多传感器数据融合的步态特征多层次优化，本文提出基于双流卷积

神经网络的逐级特征融合方法，设计特征增强通道注意力模块与基于注意力的特征融

合模块，实现了多模态步态数据的深度协同与高效利用。

（3）为了实现高效计算并解决多模态步态数据中的计算复杂度问题，本文提出了

一种结合多注意力机制与卷积神经网络的步态识别算法。该方法通过构建轻量化主干

网络，从源头降低计算负担；同时，融合通道与空间注意力机制，动态分配权重，强

化对多源特征的高效聚焦。

关键词：步态识别；传感器数据；数据异常和冗余；特征优化；高效计算

基于多源传感器数据的步态识别算法研究

Abstract

BoththenumberofwearabledevicesandthescaleofIoTterminalsareincreasing,andthe

identitysecurityofusersisfacingseriouschallenges.Althoughtraditionalbiometrics(e.g.,

fingerprintrecognition,irisrecognition,facerecognition,etc.)canimprovethesecurityofidentity

authentication,theyalsohaveproblemssuchasshortrecognitiondistanceandsusceptibilityto

environmentalinfluences.Gaitrecognition,asanemergingdynamicbiometricidentification

technology,canrealiseidentificationbyextractingthemovementcharacteristicsofanindividual

whenwalking,andhastheadvantagesofnon-invasiveness,resistancetocamouflage,and

adaptabilitytocomplexscenes.Itsuniquenessstemsfromthelong-termcouplingofhuman

physiologicalstructureandbehaviouralhabits,anditcanbreakthroughthelimitationofunimodal