O algoritmo de reconhecimento da marcha baseia-se principalmente na extração e discriminação de características do contorno temporal do alvo pedestre. Na aplicação prática, os pedestres tendem a caminhar em grupos, o que torna a extração do contorno suscetível ao bloqueio e interferência de outros pedestres, reduzindo significativamente a precisão do algoritmo de reconhecimento da marcha. Para melhorar a robustez do algoritmo de reconhecimento da marcha em cenários com bloqueio denso, é proposto um algoritmo profundo de reconhecimento da marcha baseado em sequências desordenadas. Primeiro, foi realizada uma simulação com base no conjunto de dados Casia-B, estabelecendo um conjunto de dados simulado de contornos de alvos sob condições de bloqueio para validar a robustez do algoritmo contra bloqueios; em seguida, é proposto um método de aumento de dados baseado em dilatação binária aleatória, e foram demonstradas teoricamente e experimentalmente as limitações da estrutura HPP (Horizontal Pyramid Pooling) no problema de reconhecimento da marcha; propõe-se a estrutura piramidal horizontal degradada DHPP. Com a estrutura DHPP, o método CoordConv e o método conjunto de treinamento e poda, melhora-se a capacidade de percepção da informação de posição absoluta nas características profundas, aumentando a robustez do algoritmo contra bloqueios e reduzindo a dimensionalidade da expressão das características do alvo. Os resultados experimentais mostram que o método proposto melhora significativamente a robustez do reconhecimento da marcha.

reconhecimento da marcha;aumento de dados;bloqueio denso;DHPP;redes neurais convolucionais