MSR结合MCCA的多视角鲁棒步态识别方法

陈红;严玉林;

doi:10.13718/j.cnki.xsxb.2016.10.016

西南师范大学学报(自然科学版)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
	姓名不能为空！
邮箱
	邮箱不能为空！非法的邮箱地址。
手机号码
	电话不能为空！请输入有效手机号!
标题
	标题不能为空！
留言内容
	内容不能为空！
验证码
	验证码不能为空！验证码错误！

MSR结合MCCA的多视角鲁棒步态识别方法

陈红;严玉林;. MSR结合MCCA的多视角鲁棒步态识别方法[J]. 西南师范大学学报(自然科学版), 2016, 41(10): 104-110. doi: 10.13718/j.cnki.xsxb.2016.10.016

引用本文:

陈红;严玉林;. MSR结合MCCA的多视角鲁棒步态识别方法[J]. 西南师范大学学报(自然科学版), 2016, 41(10): 104-110. doi: 10.13718/j.cnki.xsxb.2016.10.016

Citation:

MSR结合MCCA的多视角鲁棒步态识别方法

陈红;严玉林;

新疆昌吉职业技术学院; 石河子大学;

摘要: 针对许多传统的步态识别算法过分依赖视角的问题,提出了一种基于多视角子空间表示结合边际典型相关分析的步态识别方法.首先,使用简单有效的特征步态能量图表示每个序列,并利用多视角子空间表示方法测量样本之间的差异;然后,利用MCCA提取子空间的判别性信息;最后,利用最大隶属度原则和最近邻分类器完成识别.在公开的多视角步态数据库OU-ISIR-D和CASIA-B上的实验结果显示,方法在CASIA-B,OU-ISIR-D两个数据库上的识别精度可分别高达99.8%,99.1%,相比几种较为先进的步态识别方法,该方法取得了更好的识别性能且能有效处理对象内变化和缺失数据.
- 多视角子空间表示 /
- 鲁棒性 /
- 步态识别 /
- 判别集匹配 /
- 边际典型相关分析

计量

文章访问数: 1017
HTML全文浏览数: 661
PDF下载数: 0
施引文献: 0

MSR结合MCCA的多视角鲁棒步态识别方法

陈红;严玉林;

新疆昌吉职业技术学院; 石河子大学;

关键词:

摘要: 针对许多传统的步态识别算法过分依赖视角的问题,提出了一种基于多视角子空间表示结合边际典型相关分析的步态识别方法.首先,使用简单有效的特征步态能量图表示每个序列,并利用多视角子空间表示方法测量样本之间的差异;然后,利用MCCA提取子空间的判别性信息;最后,利用最大隶属度原则和最近邻分类器完成识别.在公开的多视角步态数据库OU-ISIR-D和CASIA-B上的实验结果显示,方法在CASIA-B,OU-ISIR-D两个数据库上的识别精度可分别高达99.8%,99.1%,相比几种较为先进的步态识别方法,该方法取得了更好的识别性能且能有效处理对象内变化和缺失数据.