周期性运动物体的特征提取及其分类

提出视频中周期性运动物体两种特征。第一种是通过傅里叶变换得到视频中周期性运动的频率。第二种是采用了一种基于行走模版的相似性度量作为人体运动的特征。通过支持向量机对六种行为特征进行分类实验检测,结果表明上述特征能够充分地表示视频中的行为,得到了较高的分类效果,而且该方法、简单快速。

基于相关性度量的触觉步态特征优化

在现有动力学特征基础上,提出了基于相关性度量的触觉步态组合特征优化方法(CCFO)。采用数学形态学提取触觉步态区域特征,同时提取触觉步态的图像特征,包括校正后外接矩形长宽比和对比度、相关性、熵等特征;采用相关性度量准则优化得到动力学特征,通过分析图像特征的相关性保留最优图像特征,优化后特征线性叠加构成触觉步态特征集。实验数据采用ITCSH GaitⅡ步态数据库,计算各特征组内相关系数和变异系数,结果表明,各特征具有较好的稳定性,并在身份识别中验证了特征集的有效性,实验结果说明CCFO方法可以有效地减少特征数,提高识别率。