基于融合特征的步态信息处理与身份识别方法.pdf

本发明涉及人行走时的步态特征信息提取、处理及身份识别。为能减少复杂背景等外界因素的干扰，实现对现实条件具备更好的自适应性，更为准确地提取能反映运动人体行走特征的有效信息，从而提高步态识别正确率，本发明采用的技术方案是，基于融合特征的步态信息处理与身份识别方法，包括下列步骤：基于融合特征的步态信息处理与身份识别方法，包括下列步骤：输入视频序列，通过目标检测分割出视频图像中人体目标的轮廓信息，然后将边界中心距、Radon变换同时用于步态特征参数提取，再对得到的特征参数进行相应的后处理，最后选用支持向

2023-10-22

10

785KB

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。

2023-08-29

10

446KB

基于双特征匹配层融合的步态识别方法.docx

基于双特征匹配层融合的步态识别方法随着科技的不断发展，人们对人类行为识别技术的需求日益增长。其中，步态识别技术是一种重要的生物特征识别技术，具有非常广泛的应用前景。步态识别技术，指根据人体行走的动作特征来对行走者身份进行识别的技术。本文基于双特征匹配层融合的步态识别方法进行研究探讨。一、双特征匹配层步态识别技术的关键在于如何提取有效的特征，进而实现对身份的识别。双特征匹配层，即在网络的顶层使用两个特征的双重匹配方式，旨在提高人类行为识别技术的性能和鲁棒性。该层通过将深度卷积网络提取的时空特征和其它加工过的

2024-11-01

5

11KB

步态与人脸融合的身份识别方法.docx

步态与人脸融合的身份识别方法摘要：在身份识别方面，传统的方法主要依赖于人脸或指纹等生物特征，然而这些方法在现实应用场景中有一定的局限性。为此，本文提出了一种基于步态和人脸融合的身份识别方法，采用了深度学习技术，通过深度神经网络将步态和人脸特征直接融合，提高了身份识别的鲁棒性和准确性。关键词：身份识别、步态、人脸、融合、深度学习一、引言身份识别一直是计算机视觉领域的热点问题，广泛应用于安全门禁、身份验证、智能监控等方面。目前，常见的身份识别方法主要依赖于人脸或指纹等生物特征，这些方法的安全性和准确性得到了广

2024-10-24

5

11KB