本项目提出了一种基于CNN的多模态步态识别方法，结合CNNGAITMM框架在MATLAB中实现数据融合，提升步态识别精度。
数据融合的MATLAB代码基于CNN进行多模式步态识别由弗朗西斯科·卡斯特罗（Francisco M. Castro）和曼努埃尔·J·马林·吉梅内斯（Manuel J. Marin-Jimenez）开发，可在TUM-GAID和CASIA-B的正常情况下运行测试。对于其他情况，您只需下载数据集并构建相应的imdb。
该代码包含以下模型：
- 基于3D卷积的CNN，使用光流作为TUM-GAID的输入。
- 可对TUM-GAID进行光流、灰度和深度模态融合的基于3D卷积的CNN。
- 使用灰色作为CASIA-B输入的基于CNN的ResNet模型。
- 对CASIA-B进行光流和灰度融合的基于3D卷积的CNN。
先决条件：
需要安装MatConvNet库以及MexConv3D（用于3D转换）。
快速开始步骤如下：假设您已将cnngaitmm库放置在文件夹中。启动MATLAB并输入以下命令：cd ，然后运行startup_cnngaitdemo_T。
5星
