1.算法描述

AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。这对于传统的机器学习分类算法而言，已经相当的出色。Alexnet网络模型于2012年提出。它具有更高维度的特征提取效果和更深层次的网络结构。第一次，在训练过程中使用了退出机制来防止过度配合。其激活功能使用relu功能并支持GPU训练。Alexnet在更深更广的网络中使用CNN，其效果分类精度更高。Alexnet使用ReLU代替sigmoid，这可以更快地训练，并解决更深网络中的梯度消失问题。Alexnet使用最大池化层来避免平均池化层的模糊性影响，并且步长小于池化核心的步长。这样，池化层输出重叠，从而提高了特征的丰富性。alexnet的网络结构如下：

通常，alexnet网络模型由五个卷层和三个全连接层组成。其中，全连接层的输出可以映射1000个分类标签。Alexnet具有大量的模型参数和神经元。模型参数为60m，神经元数为650k。

输入图像为224*224*3。首先，使用96个11*11*3的卷积来进行图像卷积运算，并获得55*55*96的卷积层。然后，在响应归一化和最大池化之后，使用256个5*5*48的卷积来获得第二卷积层，并获得两个27*27*128的卷积层。在第三卷中，使用384个3*3*256的卷积核来获得13*13*192*2个卷积层。在第四卷中，使用384个3*3*192的卷积核来获得13*13*192*2的卷积层。在第五卷中，使用256个3*3*192的卷积核来获得13*13*128*2的卷积层。

AlexNet中包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。同时AlexNet也使用了GPU进行运算加速。
AlexNet将LeNet的思想发扬光大，把CNN的基本原理应用到了很深很宽的网络中。AlexNet主要使用到的新技术点如下：
（1）成功使用ReLU作为CNN的激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了Sigmoid在网络较深时的梯度弥散问题。虽然ReLU激活函数在很久之前就被提出了，但是直到AlexNet的出现才将其发扬光大。
（2）训练时使用Dropout随机忽略一部分神经元，以避免模型过拟合。Dropout虽有单独的论文论述，但是AlexNet将其实用化，通过实践证实了它的效果。在AlexNet中主要是最后几个全连接层使用了Dropout。
（3）在CNN中使用重叠的最大池化。此前CNN中普遍使用平均池化，AlexNet全部使用最大池化，避免平均池化的模糊化效果。并且AlexNet中提出让步长比池化核的尺寸小，这样池化层的输出之间会有重叠和覆盖，提升了特征的丰富性。
（4）提出了LRN层，对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。

步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比图像识别更具优势。步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。

人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。

2.仿真效果预览

matlab2022a仿真结果如下：

与其他生物识别相比，步态识别具有许多优点，如远距离、非接触等。为了获得良好的识别效果，虹膜识别需要目标在30厘米以内；人脸识别需要目标在3米以内；步态识别需要目标远达50m。不同的体型、头部形状、肌肉骨骼特征、运动神经敏感性、行走姿势等特征决定了步态具有更好的辨别能力。通过复杂的算法设计和海量数据训练，机器可以更好地识别这些细节。首先基于CASIA A数据库来模拟算法的性能，然后基于真实场景来模拟算法性能。CASIA A数据库是2005年1月在室内收集的最大步态数据集。视频大小为320×240，帧数为25fps。数据集中有20名行人。每个人收集了12个序列，包括4个0度序列、4个45度序列和4个90度序列。因此，序列的总数为240。图4.1显示了CASIA A中的部分步态数据。

3.MATLAB核心程序

GEI  = zeros(RR,CC);
CNT  = 0;
for ii = 1:length(I1_0)-1if isempty(I1_0{ii})==0tmps0 = double(imresize(I1_0{ii},[RR,CC]));GEI   = GEI+tmps0;CNT   = CNT+ 1;end
end
GEI = GEI/CNT;%得到能量
GEI2(:,:,1) = GEI;
GEI2(:,:,2) = GEI;
GEI2(:,:,3) = GEI;

digitDatasetPath = ['步态能量图allt90\'];
imds = imageDatastore(digitDatasetPath,'IncludeSubfolders', true, 'LabelSource', 'foldernames');
%划分数据为训练集合验证集，训练集中每个类别包含1张图像，验证集包含其余图像的标签
numTrainFiles               = 2;%设置每个类别的训练个数
[imdsTrain,imdsValidation] = splitEachLabel(imds,10/12);
net = alexnet;rng(1);
options = trainingOptions('sgdm', ...'InitialLearnRate', 0.0015, ...'MaxEpochs', 200, ...'Shuffle', 'every-epoch', ...'ValidationData', imdsValidation, ...'ValidationFrequency', 10, ...'Verbose', false, ...'Plots', 'training-progress');
layersTransfer = net.Layers(1:end-3);
layers = [layersTransferfullyConnectedLayer(20,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)softmaxLayerclassificationLayer];
%使用训练集训练网络
net         = trainNetwork(imdsTrain, layers, options);
05_077_m

4.完整MATLAB

m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真相关推荐

m基于rbf神经网络和遗传算法优化的MIMO-OFDM系统信道估计算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB部分代码预览 4.完整MATLAB程序 1.算法描述 MIMO-OFDM的信道估计:时,频,空三个域都要考虑,尤其是在空域,不同天线发射的导频序列 ...
m基于CNN卷积神经网络和GEI步态能量图的步态识别算法MATLAB仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份识别,与其他的生物识别技术相比, ...
m基于CNN卷积网络和GEI步态能量图的步态识别算法MATLAB仿真,测试样本采用现实拍摄的场景进行测试,带GUI界面
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述目前关于步态识别算法研究主要有两种:基于模型的方法和非基于模型的方法.基于模型的步态识别方法优点在于 ...
【调制识别】基于高阶累积量的调制方式识别算法matlab仿真，课题识别BPSK, QPSK, 16QAM, 64QAM
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础由于数字调制信号越来越多地应用于通信信号处理领域,因此对数字信号调制识别的研究也越来越多.传统的调制识别的判决方法有:决策判决法.高阶 ...
基于miu小波变换的人体步态数据检测和识别算法matlab仿真
目录一.理论基础 3.2.1加速度计 3.2.2陀螺仪 3.3基于IMU设备的人体步态数据的采集二.MATLAB仿真程序三.仿真结果一.理论基础在进行数据采集的过程中,需要根据实际情况选择合 ...
基于能量检测的调制方式识别算法MATLAB仿真,识别不同SNR下的MFSK和MPSK
UP目录一.理论基础二.核心程序三.测试结果一.理论基础随着无线通信的快速发展,用户对通信质量的要求越来越高,同时无线设备的大幅度增长,使得频谱资源显得更加重要.认知无线电(Cognitiv ...
基于BP神经网络+HOG特征提取的视频中车辆车牌识别算法仿真
步骤一:定位和跟踪这里,没有直接采用之前的方案,是因为在设计的时候,发现直接采用颜色等直接特征提取然后进行二值化处理的方法,如果视频中出现颜色类似的区域,则很有可能错误的定位,例如在公交车中车牌区域 ...
基于SVM支持向量机的车牌分割识别算法matlab仿真
目录一.理论基础二.核心程序三.仿真测试结果作者ID :fpga和matlab CSDN主页:https://blog.csdn.net/ccsss22?type=blog 擅长技术: 1.无 ...
【IHS+稀疏表示】基于IHS小波变换和稀疏表示相结合的遥感图像融合算法matlab仿真
1.软件版本 matlab2013b 2.本算法理论知识小波变换具有多尺度特性,其时域和频域均具有表征信号局部特性的能力和多分辨率分析的特点.在低频时具有高的频谱分辨率,在高频时具有低的频谱分 ...

m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真相关推荐

最新文章

热门文章