足迹特征作为人体的生物特征之一,在身份识别领域有着重要的地位.针对不同人之间的足迹有着相似性的问题,本文将动态足迹作为研究对象,提出了一种基于多类特征融合的动态足迹检索方法.首先,采用卷积神经网络提取动态足迹的帧级特征;然后,特征融合模块通过一个可训练的权重矩阵与帧级特征进行运算,从而得到融合后动态足迹完整的表观特征;其次,通过时空融合模块的时间聚合支路提取帧级特征内长期的时间特征,再通过正交融合的计算方法将长期的时间特征与帧级特征融合,形成时空特征;最后,将表观特征和时空特征融合进行动态足迹的检索.在200人的动态足迹数据集上与现有深度学习算法进行了对比实验,实验结果表明,该方法获得了更好的检索效果,其中Rank1和mAP分别为85.39％、55.28％.
足迹检索 特征融合模块 时空特征融合模块 动态足迹 深度学习 神经网络 图像检索
footprint retrieval feature fusion module spatio-temporal feature fusion module dynamic footprint deep learning neural network image retrieval
