针对步态识别中相机视角或行人遮挡等协变量因素导致的识别准确率急剧下降的问题，提出了一种改进的特征增强GaitPart跨视角步态识别方法IFE-GaitPart(An Improved Feature Enhancement GaitPart)，该方法将网络模型改进为包含空间特征提取分支和显著时间建模分支的双路并行形式，首先使用卷积网络从原始输入序列中提取浅层特征作为双路径网络的输入，然后在空间特征提取上提出了一种非均匀卷积的方式来提取步态的细粒度信息，并融合全局特征来提高空间特征的信息容量，同时在显著时间建模分支上，提出了一种自适应的多尺度时间特征提取模块，在时间维度上获得步态的短期依赖和全局时间线索，拼接后得到完整的时间信息。最后，在通道维度上拼接时空特征，采用全连接层输出步态特征。实验结果表明，在CASIA-B数据集上，在正常行走、携带行李和穿着外衣的情况下，分别实现了97.6%、94.5%和81.1%的Rank-1精度，证明了该方法的有效性。

1?步态识别模型
1．1?IFE-GaitPart模型架构
1．2?集合池化
1．3?FLFE帧级特征提取器
1．4?MSTE多尺度时间提取模块
1．5?联合回归损失设计
2?步态识别数据集
2．1?CASIA-B数据集
2．2?数据集划分
3?实验结果与分析
3．1?模型训练
3．2?评价指标
3．3?实验结果
3.3.1 步态识别模型对比实验
3.3.2 消融实验
3.3.3 双路径结构实验
4结论

刘健虎,刘星,谷淼,王浚瞩,张海龙,邓红霞.基于GaitPart的跨视角步态识别方法[J/OL].太原理工大学学报:1-10[2023-06-16].http://kns.cnki.net/kcms/detail/14.1220.N.20230615.1407.008.html