【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种基于骨架数据生成步态剪影图的步态数据扩充方法。
技术介绍
1、卷积神经网络（cnn）的发展极大的推动了步态识别方法的发展。cnn作为一种深度学习算法极大程度上依赖训练数据的数量和多样性，以有效地推广到新的、未见过的数据。然而，出于安全和隐私问题，现实世界中采集大量多样的训练数据并不现实，这限制了步态识别在现实世界的推广。关于安全性，收集步态数据可能涉及身体接触或要求个人在专用设备上行走，特别是对于弱势群体或在公共场所，这会带来潜在安全风险。在隐私方面，由于步态数据包含个人的生物识别信息，并担心信息泄露或未经授权的使用，导致个人不愿意参与数据收集。这些数据收集限制可能会阻碍步态识别模型潜力的充分发挥。
2、这些问题严重影响了步态识别在现实中的可用性和推广范围。因此，通过设计步态数据扩充方法，可以实现只采集少量数据辅以数据扩充来获取大量数据，进一步提升步态识别模型的性能。
3、步态识别方法可以分为基于骨架的、基于剪影的以及结合骨架和剪影的方法。这些方法在训练集样本数量远大于测试...
【技术保护点】
1.一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，所述Ske2SilNet用于将生成的骨架序列转换成剪影序列，其包括骨架点编码器、骨架图像编码器和骨架剪影解码器；
3.根据权利要求2所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，引入均方误差损失，该损失量化了输出的剪影序列与真实剪影序列之间的平均平方差，表达式为：
4.根据权利要求3所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在...
【技术特征摘要】
1.一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，所述ske2silnet用于将生成的骨架序列转换成剪影序列，其包括骨架点编码器、骨架图像编码器和骨架剪影解码器；
3.根据权利要求2所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，引入均方误差损失，该损失量化了输出的剪影序列与真实剪影序列之间的平均平方差，表达式为：
4.根据权利要求3所述的一种基于骨架数据生成步态剪影图的步态数据扩充方法，其特征在于，所述鉴别器包括4层卷积层和2层全连接层，用于确保真实...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。