海口自助建站系统,平湖做网站,怎么增加网站的收录量,行知智网站建设北理工通信课题组辛喆同学在本科毕业设计《基于嵌入式系统的步态识别的研究》中#xff0c;成功将深度步态识别算法GaitSet移植到全志V853开发板上。本研究在CASIA-B数据集上进行测试#xff0c;正常行走状态下该系统的步态识别准确率达到了94.9%#xff0c;背包行走和穿外套…北理工通信课题组辛喆同学在本科毕业设计《基于嵌入式系统的步态识别的研究》中成功将深度步态识别算法GaitSet移植到全志V853开发板上。本研究在CASIA-B数据集上进行测试正常行走状态下该系统的步态识别准确率达到了94.9%背包行走和穿外套行走条件下识别准确率分别达到了87.9%与71.0%。 步态识别作为一种新兴的生物识别方式相比于人脸识别、指纹识别等方式具有易于适应环境、无法伪装等优点。 本文所设计的步态识别系统搭建在全志V853开发板上充分利用板载外设、CPU与NPU实现了嵌入式系统上的实时步态识别系统。 具体来说系统所采用的深度学习算法在PC端进行训练得到的Pytorch 模型通过模型转换工具转换为V853 NPU所能运行的NB模型模型的推理在NPU上进行。系统的整体运行过程分为前处理、模型推理、后处理与UI显示四大部分。 本系统所采用的深度学习算法绝大部分算子在板载NPU上进行推理小部分算子在板载CPU上运算得到结果。前处理与后处理过程均在板载CPU上进行分别采用OpenCV与Eigen运算库其中前处理从板载摄像头采集的视频中提取步态轮廓并将其裁剪拼接后作为NPU模型的输入数据后处理将NPU模型运行结束得到的输出数据进行补充运算并进行特征对比以实现身份鉴定。UI界面的显示通过Qt生成的应用程序实现。 本研究在CASIA-B数据集上测试了NB模型的步态识别准确率。CASIA-B是一个大规模、多视角的步态识别数据集共包含124个样本每个样本都有10种步态序列分为6个正常行走的序列NM2个身着长外套行走的序列CL以及2个佩戴背包行走的序列BG。CASIA-B注重视角的变化在每个行走序列中又包含了11个不同的角度。将数据集中的74个样本作为训练样本剩下的50个样本作为测试样本。 在测试集中使用每个样本的前4个正常行走的序列作为gallery集为了研究在不同人体轮廓下系统的性能表现划分了3个probe集分别为正常行走序列的最后2个序列、2个身着长外套行走的序列和2个佩戴书包行走的序列。考虑到角度对识别效果的影响本研究在每一个角度都进行了单独测试以验证不同角度下识别的正确率。 根据上述测试数据制作了下表表中包含了本文设计的步态识别系统GaitCircle使用的NB模型与GaitSet模型针对相同条件下的识别准确率数据。其中NM表示正常行走状态、BG表示背包行走CL表示穿外套行走。 除了针对步态识别准确率进行了测试本研究也对步态识别的实时性进行了测试。对于单人步态识别前处理的处理速度达到了每帧58ms模型推理运行时间仅为77ms后处理的运行时间为0.73s。 最后本研究还进行了实时识别测试实时识别测试是利用V853开发板上的摄像头拍摄录像并实时进行步态识别输出行人身份的过程。在进行测试之前V853 Tina Linux中设置了开机自启动步态识别程序主要通过在/etc/profile文件添加运行步态识别程序的命令实现。以下视频即为实时步态识别测试的过程已经提前在步态信息库中录入了20个人的步态特征。