-
公开(公告)号：CN110458116B
公开(公告)日：2022-10-25
申请号：CN201910749822.2
申请日：2019-08-14
Applicant: 大连海事大学
IPC: G06V40/10 , G06V10/75 , G06V10/764
Abstract: 本发明提供一种基于姿态信息的步态多特征表达和匹配方法，包括以下步骤：有肩、无肩姿态能量图提取、时变姿态特征及其二维频谱提取、基于MvDA降维矩阵的训练、自适应匹配得分计算及识别结果预测。主要从以下三个方面提高行走状态改变时步态识别的鲁棒性，其一：提取的无肩姿态能量图，通过忽略服装变化导致人体肩膀宽度的差异，只考虑胳膊和腿部摆动等特征，有助于提高穿衣变化的识别结果。其二：提取时变姿态特征的二维频谱特征，不仅考虑同一特征不同时刻的频谱，还考虑同一时刻不同特征的频谱，有助于提取人体关节之间的关联性；其三：采用自适应加权匹配得分计算的方法，有效地提高了背包和服装改变两种行走状态下步态识别的鲁棒性。
-
公开(公告)号：CN110188694B
公开(公告)日：2022-10-21
申请号：CN201910464874.5
申请日：2019-05-30
Applicant: 大连海事大学
Abstract: 本发明提供一种结合压力特征的穿鞋足迹序列识别方法，分为离线训练过程和在线识别。在离线训练时，提取所述待训练的压力足迹序列图像的单枚鞋印相对压力图像，提取基于前后足的质心偏移角，构建所述待训练的压力足迹序列图像的足迹压力能量图四元组，最终得到足迹的五元组特征表达构成的特征数据库。在线识别中，将待识别的足迹五元组特征与预先存储的特征数据库中的数据计算相似度得分，通过排名完成对穿鞋足迹序列的识别。本方法根据能反映人行走习惯的最小单元，采用两枚足迹构造足迹压力能量图，减小了误差累积，提高了识别精度，通过足迹压力能量图四元组相似度加权融合，可以使匹配结果更加稳定，本发明研究的是穿鞋足迹序列，适用性更加广泛。
-
公开(公告)号：CN110781852A
公开(公告)日：2020-02-11
申请号：CN201911052150.6
申请日：2019-10-31
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多分辨率特征融合的穿鞋序列足迹识别方法，包括：提取待识别图像单枚鞋印相对压力分布图像；构建二维多分辨率步法能量图和一维多分辨率步法能量图；对单枚足迹二维多分辨率步法能量图二元组提取脚印姿态偏移角；利用分组模型对所述脚印姿态偏移角进行分组；根据分组后子数据库中的同类图像缩小识别范围；计算待识别多分辨率步法能量图与特征库的匹配得分，从而得到基于足迹层次化识别策略的识别结果。本发明对足迹序列分割后进行小波分解构建脚印姿态脚分组模型和多分辨率步法能量图四元组，通过基于四元组的三种特征得分融合及足迹层次化识别策略进行身份识别。
-
Patent Agency Ranking
公开(公告)号：CN110781852B
公开(公告)日：2023-10-27
申请号：CN201911052150.6
申请日：2019-10-31
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多分辨率特征融合的穿鞋序列足迹识别方法，包括：提取待识别图像单枚鞋印相对压力分布图像；构建二维多分辨率步法能量图和一维多分辨率步法能量图；对单枚足迹二维多分辨率步法能量图二元组提取脚印姿态偏移角；利用分组模型对所述脚印姿态偏移角进行分组；根据分组后子数据库中的同类图像缩小识别范围；计算待识别多分辨率步法能量图与特征库的匹配得分，从而得到基于足迹层次化识别策略的识别结果。本发明对足迹序列分割后进行小波分解构建脚印姿态脚分组模型和多分辨率步法能量图四元组，通过基于四元组的三种特征得分融合及足迹层次化识别策略进行身份识别。
-
公开(公告)号：CN109325546A
公开(公告)日：2019-02-12
申请号：CN201811224871.6
申请日：2018-10-19
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明提供一种结合步法特征的成趟足迹识别方法，其特征在于，至少包括：离线训练过程和在线识别过程。通过采集单元获取待训练的成趟足迹图像，得到初始待训练的成趟足迹图像数据集。提取所述待训练的成趟足迹图像中单枚足迹。构建所述待训练的成趟足迹图像的步法能量图。提取用于粗粒度分类的待训练成趟足迹图像的步幅特征，根据提取的步幅特征构建成趟足迹粗粒度分类模型，进一步根据步法能量图与粗粒度分类模型再构建细粒度识别模型。本发明根据三角形稳定性原理，采用三枚单个足迹组成的图像加权平均，得到步法能量图作为判别图像，通过将不同时间段采集的脚印加权平均，减少了匹配误差，还保持了左右脚的相对关系，是足迹步法特征的融合，充分体现了成趟足迹的差异性。
-
公开(公告)号：CN109325546B
公开(公告)日：2022-04-08
申请号：CN201811224871.6
申请日：2018-10-19
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/762 , G06V10/764
Abstract: 本发明提供一种结合步法特征的成趟足迹识别方法，其特征在于，至少包括：离线训练过程和在线识别过程。通过采集单元获取待训练的成趟足迹图像，得到初始待训练的成趟足迹图像数据集。提取所述待训练的成趟足迹图像中单枚足迹。构建所述待训练的成趟足迹图像的步法能量图。提取用于粗粒度分类的待训练成趟足迹图像的步幅特征，根据提取的步幅特征构建成趟足迹粗粒度分类模型，进一步根据步法能量图与粗粒度分类模型再构建细粒度识别模型。本发明根据三角形稳定性原理，采用三枚单个足迹组成的图像加权平均，得到步法能量图作为判别图像，通过将不同时间段采集的脚印加权平均，减少了匹配误差，还保持了左右脚的相对关系，是足迹步法特征的融合，充分体现了成趟足迹的差异性。
-
公开(公告)号：CN110458116A
公开(公告)日：2019-11-15
申请号：CN201910749822.2
申请日：2019-08-14
Applicant: 大连海事大学
Abstract: 本发明提供一种基于姿态信息的步态多特征表达和匹配方法，包括以下步骤：有肩、无肩姿态能量图提取、时变姿态特征及其二维频谱提取、基于MvDA降维矩阵的训练、自适应匹配得分计算及识别结果预测。主要从以下三个方面提高行走状态改变时步态识别的鲁棒性，其一：提取的无肩姿态能量图，通过忽略服装变化导致人体肩膀宽度的差异，只考虑胳膊和腿部摆动等特征，有助于提高穿衣变化的识别结果。其二：提取时变姿态特征的二维频谱特征，不仅考虑同一特征不同时刻的频谱，还考虑同一时刻不同特征的频谱，有助于提取人体关节之间的关联性；其三：采用自适应加权匹配得分计算的方法，有效地提高了背包和服装改变两种行走状态下步态识别的鲁棒性。
-
公开(公告)号：CN110188694A
公开(公告)日：2019-08-30
申请号：CN201910464874.5
申请日：2019-05-30
Applicant: 大连海事大学
Abstract: 本发明提供一种结合压力特征的穿鞋足迹序列识别方法，分为离线训练过程和在线识别。在离线训练时，提取所述待训练的压力足迹序列图像的单枚鞋印相对压力图像，提取基于前后足的质心偏移角，构建所述待训练的压力足迹序列图像的足迹压力能量图四元组，最终得到足迹的五元组特征表达构成的特征数据库。在线识别中，将待识别的足迹五元组特征与预先存储的特征数据库中的数据计算相似度得分，通过排名完成对穿鞋足迹序列的识别。本方法根据能反映人行走习惯的最小单元，采用两枚足迹构造足迹压力能量图，减小了误差累积，提高了识别精度，通过足迹压力能量图四元组相似度加权融合，可以使匹配结果更加稳定，本发明研究的是穿鞋足迹序列，适用性更加广泛。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
