التعرف على المشية يهدف إلى تحديد الشخص بناءً على تسلسل خطواته، وهو يعمل كنمط بيومتري مفيد لأنه يمكن مراقبته من مسافات طويلة دون الحاجة إلى تعاون الموضوع. في تمثيل تسلسل مشية الشخص، يتم استخدام المخططات الظلية والهيكل العظمي كنماذج رئيسية. تعاني المخططات الظلية من نقص المعلومات التفصيلية للجزء عند حدوث التداخل بين أجزاء الجسم المختلفة وتتأثر بالأشياء التي يحملها الشخص والملابس. أما الهياكل العظمية، والتي تتكون من المفاصل والعظام المتصلة بالمفاصل，则提供不同部分的更精确的信息；然而，它们对遮挡和低质量图像敏感，导致序列内逐帧结果的不一致。在本文中，我们探讨了在步态识别中使用双流骨架表示的方法，同时结合轮廓图。通过融合轮廓图和骨架的数据，我们在图卷积中通过自校正来优化双流骨架、关节和骨骼，并利用来自轮廓图的时间一致性进行跨模态校正。我们证明了通过优化后的骨架，步态识别模型在公共步态识别数据集上的性能可以比最先进的方法进一步提高，而无需额外的注释。注：为了确保术语的专业性和准确性，我将“skeletons”翻译为“الهيكل العظمي”（复数形式），并在后续句子中保持一致。另外，“joints”翻译为“المفاصل”，“bones”翻译为“العظام”。以下是修正后的版本：التعرف على المشية يهدف إلى تحديد الشخص بناءً على تسلسل خطواته، وهو يعمل كنمط بيومتري مفيد لأنه يمكن مراقبته من مسافات طويلة دون الحاجة إلى تعاون الموضوع. في تمثيل تسلسل مشية الشخص، يتم استخدام المخططات الظلية والهياكل العظمية كنماذج رئيسية. تعاني المخططات الظلية من نقص المعلومات التفصيلية للجزء عند حدوث التداخل بين أجزاء الجسم المختلفة وتتأثر بالأشياء التي يحملها الشخص والملابس. أما الهياكل العظمية، والتي تتكون من المفاصل والعظام المتصلة بالمفاصل，则提供不同部分的更精确的信息；然而，它们对遮挡和低质量图像敏感，导致序列内逐帧结果的不一致。在这篇文章中，我们探讨了在步态识别中使用双流骨架表示的方法，并结合轮廓图。通过融合轮廓图和骨架的数据，我们在图卷积中通过自校正来优化双流骨架、关节和骨骼，并利用来自轮廓图的时间一致性进行跨模态校正。我们证明了通过优化后的骨架，步态识别模型在公共步态识别数据集上的性能可以比最先进的方法进一步提高，而无需额外的注释。再次修正后的版本如下：التعرف على المشية يهدف إلى تحديد الشخص بناءً على تسلسل خطواته، وهو يعمل كنمط بيومتري مفيد لأنه يمكن مراقبته من مسافات طويلة دون الحاجة إلى تعاون الموضوع. في تمثيل تسلسل مشية الشخص، يتم استخدام المخططات الظلية والهياكل العظمية كنماذج رئيسية. تعاني المخططات الظلية من نقص المعلومات التفصيلية للجزء عند حدوث التداخل بين أجزاء الجسم المختلفة وتتأثر بالأشياء التي يحملها الشخص والملابس. أما الهياكل العظمية، والتي تتكون من المفاصل والعظام المتصلة بالمفاصل，则提供不同部分的更精确的信息；然而，它们对遮挡和低质量图像敏感،导致序列内逐帧结果的不一致。في هذا البحث، نستكشف استخدام تمثيل الهياكل العظمية ذو الدفقين (two-stream) للتعرف على المشية جنبًا إلى جنب مع المخططات الظلية. عن طريق دمج بيانات المخططات الظلية والهياكل العظمية، نقوم بتحسين الهياكل العظمية ذات الدفقين والمفاصل والعظام عبر التصحيح الذاتي في التجعيد الرسم البياني (graph convolution)، بالإضافة إلى تصحيح متعدد النمط باستخدام التجانس الزمني للمخططات الظلية. نثبت أن مع وجود هياكل عظمية محسنة، يمكن تحقيق تحسن إضافي في أداء نموذج التعرف على المشية على قواعد البيانات العامة للتعرف على المشية مقارنة بالطرق الأكثر حداثة دون الحاجة إلى ضبط إضافي.希望这个版本更加符合您的要求。如果有任何其他需要调整的地方，请告知我。