-
公开(公告)号：CN102222215A
公开(公告)日：2011-10-19
申请号：CN201110134970.7
申请日：2011-05-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种步态识别方法，特别是一种基于二级小波包分解和完全主成分分析的步态识别方法，属于模式识别技术领域。该方法的步骤包括：预处理(形态学处理、目标提取和图像归一化)、特征提取(步态周期、步态能量图、融合WPD+(2D)2PCA选择特征)，最后根据最近邻分类原理把测试样品归到相应的类中。本发明利用步态能量图把周期帧整合到一张平均图，以消除周期帧数不同对特征抽取的影响，降低计算复杂度；另外本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征，解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题，具有更高的识别率和视角变化鲁棒性。
-
公开(公告)号：CN102222215B
公开(公告)日：2012-11-28
申请号：CN201110134970.7
申请日：2011-05-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种步态识别方法，特别是一种基于二级小波包分解和完全主成分分析的步态识别方法，属于模式识别技术领域。该方法的步骤包括：预处理(形态学处理、目标提取和图像归一化)、特征提取(步态周期、步态能量图、融合WPD+(2D)2PCA选择特征)，最后根据最近邻分类原理把测试样品归到相应的类中。本发明利用步态能量图把周期帧整合到一张平均图，以消除周期帧数不同对特征抽取的影响，降低计算复杂度；另外本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征，解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题，具有更高的识别率和视角变化鲁棒性。
-
公开(公告)号：CN102663374B
公开(公告)日：2014-06-04
申请号：CN201210134185.6
申请日：2012-04-28
Applicant: 北京工业大学
Abstract: 基于多步态特征属性的多类别Bagging步态识别方法，属于模式识别技术领域。该方法用最近邻分类器作为弱分类器，在基于小波包分解和完全主成分分析后的20个步态属性特征集合上，通过将两类属性Bagging方法扩展到多类别来构建集成分类器，进行步态身份鉴别。该方法的步骤包括：预处理、特征提取，最后用最近邻分类原理与MCAB算法相结合的方法对测试样本进行归类。本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征，解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题，具有更高的识别率和视角变化鲁棒性。
-
公开(公告)号：CN102663374A
公开(公告)日：2012-09-12
申请号：CN201210134185.6
申请日：2012-04-28
Applicant: 北京工业大学
Abstract: 基于多步态特征属性的多类别Bagging步态识别方法，属于模式识别技术领域。该方法用最近邻分类器作为弱分类器，在基于小波包分解和完全主成分分析后的20个步态属性特征集合上，通过将两类属性Bagging方法扩展到多类别来构建集成分类器，进行步态身份鉴别。该方法的步骤包括：预处理、特征提取，最后用最近邻分类原理与MCAB算法相结合的方法对测试样本进行归类。本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征，解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题，具有更高的识别率和视角变化鲁棒性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
