10.13718/j.cnki.xsxb.2016.10.016
MSR结合MCCA的多视角鲁棒步态识别方法
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
41
TP391.4(计算技术、计算机技术)
2016-11-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
104-110