论文部分内容阅读
针对利用面部静态图像实现的性别识别方法在远距离情况下失效的问题,提出了一种基于步态分析的性别识别方法。首先以步态剪影的高宽比特性确定步态周期并生成步态能量图作为神经网络输入,其次,提出残差扩展模块以构建残差扩展网络,对步态能量图进行深度训练提取步态深度特征,最后用SVM代替神经网络全连接层作为分类器进行性别识别。CASIA-B数据集实验表明该算法具有较高的性别识别率,并对视角、背包协变量具有较强鲁棒性。