-
公开(公告)号：CN112633058A
公开(公告)日：2021-04-09
申请号：CN202011226134.7
申请日：2020-11-05
Applicant: 北京工业大学
Abstract: 基于特征融合的正面步态识别方法，属于模式识别技术领域。该方法主要针对解决单一特征步态识别率低的问题，首先提取步态能量图中的动态区域并利用Gabor小波变换提取特征，由于提取后的特征维度较高，需进行降维处理，针对传统PCA降维分类性较差的缺点，本发明将降维后的数据作为静态特征。根据人体下四分之一区域左右两侧像素点数比值的变化获取步态周期并将其用于描述步态序列的动态特征，基于特征融合的思想，本发明首次将利用PCA与LDA降维后的静态数据特征与描述步态序列的动态特征相融合，最后将融合的特征向量输入到基于多分类的支持向量机中，完成步态的分类和识别。相比较单一特征的步态识别方法，本发明提出的融合算法表现出更好的识别性能。
-
公开(公告)号：CN112633058B
公开(公告)日：2024-05-31
申请号：CN202011226134.7
申请日：2020-11-05
Applicant: 北京工业大学
IPC: G06V40/20 , G06V10/20 , G06V10/70 , G06V10/764 , G06V10/80
Abstract: 基于特征融合的正面步态识别方法，属于模式识别技术领域。该方法主要针对解决单一特征步态识别率低的问题，首先提取步态能量图中的动态区域并利用Gabor小波变换提取特征，由于提取后的特征维度较高，需进行降维处理，针对传统PCA降维分类性较差的缺点，本发明将降维后的数据作为静态特征。根据人体下四分之一区域左右两侧像素点数比值的变化获取步态周期并将其用于描述步态序列的动态特征，基于特征融合的思想，本发明首次将利用PCA与LDA降维后的静态数据特征与描述步态序列的动态特征相融合，最后将融合的特征向量输入到基于多分类的支持向量机中，完成步态的分类和识别。相比较单一特征的步态识别方法，本发明提出的融合算法表现出更好的识别性能。
-
Search Results
2
records
(took 0.015 seconds)
