动静态信息融合及动态贝叶斯网络的步态识别
步态是远距离视频监控领域最具潜力的生物特征.目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,通过分析人体行走时步态的时序特征,提出一种基于动静态信息相结合的多信息融合的动态贝叶斯网络( DSIF-DBN).模型含有3层状态,模型中每个时间片都为静态信息和动态信息的融合.此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化.实验结果表明该方法有较高的识别率,能有机地融合步态的静态信息及动态信息,并且在有噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响.
步态识别、视频监控、动态贝叶斯网络、信息融合
17
TP391.41(计算技术、计算机技术)
国家自然科学基金项目 61174145
2012-10-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
783-790