基于BEMD的多视角步态识别算法研究的任务书.docx

基于BEMD的多视角步态识别算法研究的任务书
任务书
题目：基于BEMD的多视角步态识别算法研究
任务背景：
随着智能化技术的不断发展和应用，计算机视觉技术作为其中的重要组成部分也得到了广泛的应用。而其中的步态识别技术在很多领域都有很大的应用前景，比如机器人导航、智能监控等等。在实际应用场景中，不同视角下的步态识别是很常见的情况，如何有效地进行多视角下的步态识别成为了研究的热点。
此次任务的主要目的是基于BEMD（基于经验模态分解的信号处理方法）技术，研究多视角下的步态识别算法，探究其应用于实际场景中的效果。
任务要求：
1.研究多视角下的步态识别算法，并深入分析现有算法的优缺点。
2.基于BEMD技术，提出一种新颖的多视角步态识别算法，并进行实验验证。
3.收集多视角下的步态数据集，并对数据进行预处理和特征提取。
4.选择合适的分类器，对提取出的特征进行分类训练。
5.实现所提出的多视角步态识别算法，并对算法进行测试和评估。
6.撰写实验报告，对实验结果进行分析和总结，并提出可行性建议。
任务计划：
第1-2周：研究多视角下的步态识别算法，整理现有文献，分析算法优缺点。
第3-4周：基于BEMD技术，提出一种新颖的多视角步态识别算法，并进行实验验证。
第5-6周：收集多视角下的步态数据集，并对数据进行预处理和特征提取。
第7-8周：选择合适的分类器，对提取出的特征进行分类训练，同时对算法进行优化。
第9-10周：实现所提出的多视角步态识别算法，并对算法进行测试和评估。
第11-12周：撰写实验报告，对实验结果进行分析和总结，并提出可行性建议。
备注：
1.实验报告应包括以下内容：摘要、引言、相关工作、算法描述、实验结果、分析与讨论、结论与展望等部分。
2.实验数据集来源可自行选择，也可以借助公共数据集。
3.本任务重在研究创新算法和其实际应用效果，并不要求在算法的具体实现和数据处理等细节上过多展开。
任务参考文献：
1.Li,X.,Huang,Y.,&Chen,L.(2016).Gaitrecognitionbasedonmulti-viewfusionbyBEMDandfeatureselection.MultimediaToolsandApplications,75(9),5183-5201.
2.Ren,H.,&Leung,H.(2017).Multi-viewgaitrecognitionviageneticalgorithmandclustering.JournalofIntelligent&FuzzySystems,33(1),467-479.
3.Lee,K.H.,&Hong,H.G.(2019).Deepwalking:Gaitrecognitionwithcount-basedskipconnectionandmulti-viewfusionnetwork.AppliedSciences,9(21),4610.
4.Zhang,H.,Zhou,J.,Zhang,L.,&Chen,X.(2020).Multi-viewgaitfeatureselectionbasedonLPPandMI.ExpertSystemswithApplications,137,112960.
5.Peng,J.,&Duan,H.(2021).Multi-viewgaitrecognitionbasedonabalanceddeepconvolutionalneuralnetwork.AppliedSciences,11(17),7784.