基于傅立叶描述子和人工神经网络的步态识别

提出了一种基于傅立叶描述子和神经网络的步态识别方法。对于每个步态序列,通过背景减差检测运动目标的轮廓,使用傅立叶描述子对轮廓线进行描述,获取步态特征。运用人工神经网络分析方法,对步态进行自动识别。结果表明所提的步态识别方法具有较高的识别性能。

基于统计模型的步态识别

提出一种简单有效的步态识别算法.对于每个步态序列,首先,通过背景减差检测运动目标的轮廓;再计算轮廓质心与边缘的距离,并对其进行归一化;用PCA方法获取归一化距离信号的特征空间;使用时空相关进行相似性度量;最后通过最近邻法进行分类识别,在自己建立的样本数据库中取得了满意的效果.

基于计算机视觉步态识别系统的方法研究

对目前步态识别系统的研究方法进行了分析、归类与总结,并在原有的研究方法基础上提出了三维系统建模与跟踪新方法.计算机视觉技术为步态识别系统提供了强有力的分析工具.

一种有效的步态识别方法

提出一种有效的步态识别算法。对于每个步态序列,首先通过背景减差检测运动目标的轮廓,计算轮廓质心与轮廓边缘的距离并进行归一化,然后使用PCA方法获取特征空间并进行投影,接着使用时空相关和投影质心归一化进行相似性度量,最后通过最近邻法和K近邻法进行分类识别。通过大量的实验分析,取得了较高的识别率。