-
公开(公告)号：CN101488185B
公开(公告)日：2010-10-20
申请号：CN200910071284.2
申请日：2009-01-16
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00348
Abstract: 本发明提供的是一种基于分块矩阵的步态识别方法。首先从视频中提取单帧图像进行灰度变换，采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中统一大小为64*64像素；根据步态视频序列中每帧图像标准中心化后图形区域拟合的椭圆短轴和离心率来观测步态的周期性变化情况；从而在一个周期中采用步态能量图提取步态的整体特征，采用分块矩阵的方式对GEI进行子块划分，自适应地去掉对分类无用的子块，运用子块模式的二维主成分分析结合子块模式的二维线性判别分析的方法进一步局部特征提取；在分类识别时将每个有效子块的特征合为整体，采用最近邻分类器进行身份判别。本发明对背包变化的步态的识别有效。
-
公开(公告)号：CN101488185A
公开(公告)日：2009-07-22
申请号：CN200910071284.2
申请日：2009-01-16
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00348
Abstract: 本发明提供的是一种基于分块矩阵的步态识别方法。首先从视频中提取单帧图像进行灰度变换，采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中统一大小为64*64像素；根据步态视频序列中每帧图像标准中心化后图形区域拟合的椭圆短轴和离心率来观测步态的周期性变化情况；从而在一个周期中采用步态能量图提取步态的整体特征，采用分块矩阵的方式对GEI进行子块划分，自适应地去掉对分类无用的子块，运用子块模式的二维主成分分析结合子块模式的二维线性判别分析的方法进一步局部特征提取；在分类识别时将每个有效子块的特征合为整体，采用最近邻分类器进行身份判别。本发明对背包变化的步态的识别有效。
-
Search Results
2
records
(took 0.018 seconds)
