基于最大最小判别映射的煤矿井下人员身份鉴别方法

针对井下复杂受限环境下人脸、虹膜、指纹和掌纹等常常比较模糊,从而使得基于这些生物特征的井下人员身份识别率不高问题。在Warshall算法和最大最小判别准则的基础上,提出了一种最大最小判别映射的步态识别方法。该方法利用Warshall算法快速得到数据的类别关系,由此构建类内和类间散度矩阵。与经典的步态识别方法相比,该方法充分利用了数据的局部信息和类别信息,使得数据降维后在低维空间同类样本之间的距离减小,而异类样本之间的距离增大。与经典的监督子空间维数约简方法相比,该方法在构建类内和类间散度矩阵时不需要判别数据的类别信息,能够提高算法的性能。在真实步态数据库上进行了一系列实验。实验结果表明,利用该方法进行基于步态的煤矿井下人员身份鉴别是有效可行的。