一种基于区域熵特征的步态识别方法.pdf
鸿朗****ka
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于区域熵特征的步态识别方法.pdf
本发明公开了一种基于区域熵特征的步态识别方法。本发明包括预处理、特征提取和分类识别三个部分。具体步骤如下:所述预处理,用于获取标准统一大小的运动目标轮廓序列,包括以下步骤:1‑1.提取运动目标轮廓序列;1‑2.图像标准化;所述特征提取,用于获得具有良好表征性的步态特征参数,包括以下步骤:2‑1.提取步态周期;2‑2.提取区域图像熵特征;步骤3.采用最近邻准则分类识别。本发明提取的区域图像熵特征具有很好的表征性,无需借助复杂的图像处理过程,提取方式简单,避免了降维和数据归一化的步骤,降低了系统复杂度,取得了
基于频域分析的步态特征表示及识别方法.pdf
基于频域分析的步态特征表示及识别方法,对采样的步态序列预处理,基于采样的步态序列训练得到特征频率并构建步态特征库,以此对给定的未知步态序列进行识别。本发明将一个步态序列视作一个整体,通过分析其轮廓-质心距离信号变化的频率特点来提取特征,一方面凸显了步态序列的整体性,另一方面,也充分利用了人的行走行为具有一定周期性的特点。本发明提高了步态识别的正确识别率,能达到较小的计算开销。通过将视频摄像头获取并进过预处理得到的人行走的侧视图做为本发明的步态识别方法的输入,借助于预先建立的步态特征库,就能够较为精确地进行
基于多轮廓特征融合的步态识别方法.pdf
本发明公开了基于多轮廓特征融合的步态识别方法,涉及机器视觉技术领域,使用了目前步态识别中常见的基于非模型的方法提取特征,该方法简单有效,所有的特征在同一组图像序列中获取,使得特征方便提取,而且本发明提取的特征维度较低,因此识别时反应时间较短。本发明的方法在90度的视角下取得98.33%的识别率,同时在其他角度下也有着90%以上的识别率。
一种基于特征融合的跨视角步态识别方法及系统.pdf
本发明公开了一种基于特征融合的跨视角步态识别方法及系统,首先,通过一个多尺度特征融合模块提取不同粒度的步态信息;然后,采用一种多分支学习方式,一方面提取全局特征以获得步态轮廓信息,另一方面提取局部特征以获得步态细微信息,将得到的全局特征和局部特征在通道维度上进行融合,从而达到提取互补信息的目的;最后,在特征映射阶段,采用广义平均池化层时间聚集器增强步态序列的时序信息。本发明能够从行人步态序列中提取更加完整的全局和局部特征信息,提高步态识别的精度。
基于全局和局部特征融合的步态识别方法.pdf
本发明提供了一种基于全局和局部特征融合的步态识别方法。该方法包括:通过三维卷积神经网络从标准化轮廓图中训练出全局步态特征;通过三维卷积神经网络从局部轮廓图中训练出局部步态特征;通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合,获得组合步态特征,利用所述组合步态特征进行步态识别。本发明利用全局和局部的特征融合派生出最佳特征子集,进行步态特征提取模型的建立,统一解决现有的步态识别方法中存在的特征集不够有价值的问题,从而可以获得较好的步态识别结果。