内容提供者
一种基于多视角融合的步态识别方法及系统.pdf
2023-08-31
10金币
945KB
16页
是你****盟主
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共16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
一种基于多视角融合的步态识别方法及系统.pdf
本发明提供了一种基于多视角融合的步态识别方法及系统，方法包括：检测每个视角下的步态轮廓图像序列的步态周期；分别获取每个视角下的一个步态周期内的每帧图像的水平投影向量和垂直投影向量；将每个视角下的一个步态周期内的各帧图像的水平投影向量和垂直投影向量分别进行组合，获得每个视角下的水平投影步态特征和垂直投影步态特征，将两者融合获得每个视角下的双向融合投影步态特征；将不同视角下的双向融合投影步态特征在三维张量空间中进行融合，获得多视角融合步态特征；将多视角融合步态特征输入分类器进行分类识别，实现了多视角步态特征在
2023-08-31
10
945KB
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。
2023-07-25
10
442KB
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。
2023-09-01
10
238KB
基于高阶张量子空间学习的多视角步态识别方法及系统.pdf
本发明公开了一种基于高阶张量子空间学习的多视角步态识别方法及系统，属于智能识别领域。从多个代表性的角度来获取步态视频，分帧截取得到步态序列图像；对步态序列图像分别作背景提取、背景减除和二值化处理，使呈现出黑和白的视觉效果，得到多个视角下的轮廓序列；将轮廓序列转换为张量数据；利用多线性判别分析和图嵌入原理基础上拓展DTSA后得到的基于图嵌入的高阶判别张量子空间分析算法对张量数据进行降维和特征提取；根据提取得到的多视角步态特征，对步态特征进行相似度测量，得到识别结果。本发明简单，成本低，可以自动对特定场所进行
2023-09-02
10
748KB
一种多视角多状态的步态识别方法.pdf
本发明提出一种多视角多状态的步态识别方法，包括：对训练集里步态视频进行轮廓提取和时间同步，建立表象期望值、视角、状态和身份之间的投影关系；对原型集人体步态轮廓序列进行视角估计，从表象期望值、视角、状态、身份之间的投影关系获得身份信息；对测试集里人体步态轮廓序列进行视角估计，从训练集中的表象期望值、视角、状态、身份之间的投影关系获得身份信息，与原型集里已有的所有身份向量进行比对，判断得到是原型集中的哪一个人。与现有的基于整个步态周期的方法不同，本发明以单个状态作为最小单位，更加准确的建模步态运动的变化过程并
2023-10-21
10
570KB