跨视角步态识别：一种融合跳跃连接与卷积块注意力模块的生成对抗网络方法

摘要

针对步态识别中因视角变化导致的识别率下降的问题，本文提出一种融合跳跃连接与卷积块注意力模块的生成对抗网络（SC-GAN,generative adversarial network with skip connections and convolutional block attention module）的识别方法 。首先，在生成对抗网络中引入跳跃连接，在通道域上进行特征图像的融合，保留更多步态信息；其次，引入卷积块注意力模块，以关注更多特定视角的特征位置和内容；最后，本文在中国科学院自动化研究所步态数据集B(CASIA-B,gait dataset B of the Institute of Automation,Chinese Academy of Sciences)上进行跨视角步态识别实验分析。实验结果表明，本文模型在多重协变量因素影响下仍具有良好的鲁棒性和有效性。

关键词

步态识别 / 跨视角 / 生成对抗网络(GAN) / 跳跃连接 / 卷积块注意力模块