代码采用VS写的,可直接运行,主要是生成步态能量图

代码基于C++的VS环境下编写，可以直接运行，主要功能是计算生成步态能量图

结合非局部与分块特征的跨视角步态识别。步态识别。步态分类。卷积神经网络。跨视角。 目前基于深度学习的步态识别方法大多通过叠加卷积层获取全局特征,忽略有利于细粒度分类的局部特 征. 针对上述问题,文中提出结合非局部与分块特征的跨视角步态识别方法. 将一对步态能量图(GEI)作为输入,提取单样本的非局部信息与样本对之间的相对非局部信息. 为了更好地提取局部特征,根据GEI 的几何特性,将人体区域水平切分为静态块、微动态块和强动态块,连接至3 个二值分类器分别进行训练. 在OU鄄ISIR鄄LP 和