应用核独立成分分析进行弱周期性步态识别研究  

Gait recognition using kernel independent component analysis with hypo-periodicity

作　　者：韦素媛[1,2] 宁超[2] 高有行[1] 

机构地区：[1]西安电子科技大学外部设备研究所,西安710071 [2]第二炮兵工程学院,西安710025

出　　处：《计算机工程与应用》2010年第34期171-173,231,共4页Computer Engineering and Applications

摘　　要：提出一种基于时空能量图和核独立成分分析的步态特征表达和步态识别方法,利用步态序列图像的非线性特征和高维统计信息,并消除识别算法对时间配准和步态周期定位的依赖,时空能量图集成了步行运动信息中时间与空间变化的特点,并极大地减少了特征的数据量。针对10人值班的涉密场所进行步态识别正确率达到93.9%。实验结果表明该算法具有较好的识别性能和相当低的空间需求和计算量。A novel gait representation based on the Spatio-Temporal Energy（STE） image and the Kernel Independent Component Analysis（KICA） is proposed.It uses the nonlinear features and high-dimension statistical information of gait, and deals with the problem of time-dependence and the gait cycle extraction.The recognition rate is around 93.9% in SOTON dataset with 10 persons gait sequences.The results demonstrate that the method has the encouraging performance,as well as the merit of low space and time requirement.

关 键 词：步态特征表示 步态识别 时空能量图 核独立成分分析 涉密场所监控 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]