赵煦华 胡海根

摘  要：文章对步态识别的应用进行研究，基于深度学习技术研究开发了移动端步态识别系统。手机客户端主要完成步态数据的采集、上传以及结果显示，服务器端负责对步态数据进行轮廓提取、步态匹配与识别等功能。其中步态轮廓提取采用DeepLabV3+语义分割模型，实现像素级别的轮廓分割;步态识别采用GaitSet模型，实现人体步态匹配。系统分别经CASIA-B数据集和真实场景进行测试，显示系统能够获得较好的性能，准确率达到77.5%。

关键词：步态识别;深度学习;轮廓提取;语义分割;手机摄像头

中图分类号：TP183 文献标识码：A文章编号：2096-4706（2021）13-0063-06

Research on Gait Recognition Algorithm Based on Deep Learning and

Its Application

ZHAO Xuhua1， HU Haigen2

（1. College of Information， Zhejiang Guangsha Vocational and Technical University of Construction， Dongyang  322100， China;

2. College of Computer Science and Technology， Zhejiang University of Technology， Hangzhou  310024， China）

Abstract： This paper studies the application of gait recognition， and develops a mobile terminal gait recognition system based on deep learning technology. The mobile client mainly completes the gait data collection， uploading and result displaying， while the server side is responsible for contour extraction， gait matching and recognition of gait data. The gait contour extraction adopts DeepLabV3+ semantic segmentation model to realize pixel level contour segmentation; Gaitset model is used for gait recognition to realize human gait matching. The system has been tested by CASIA-B data set and real scenarios respectively. It shows that the system can obtain good performance， and the accuracy rate can reach 77.5%.

Keywords： gait recognition; deep learning; contour extraction; semantic segmentation; phone camera

0  引  言

步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别。与虹膜、指纹等其他的生物识别技术相比，步态识别具有非接触、远距离和不易伪装等优点，在智能视频监控领域，是远距离情况下最具潜力的生物特征，比面相识别更具优势[1]，因而引起了国内外广大研究者们的浓厚兴趣。作为一种可以远距离识别的独特生物识别功能，步态将在预防犯罪、法医鉴定和社会保障方面具有广泛的应用前景。而深度学习作为一种新型的机器学习方法，能够对抽象的特征信息进行多层次的提取和学习，在图像分类、目标检测与跟踪、自然语言处理等领域取得了突破性进展。在深度学习的大框架下，步态识别亦取得了重要进展，步态信息的表现形式与处理方式呈现出多元化的特点，一些步态识别方法相继涌现出来，主要通过步态采集、步态分割、特征提取、特征比对等四个阶段[2]来完成对个人的识别。……