[1]陈璇,吴清江,路远.角度与动态时间归一化的步态识别[J].华侨大学学报(自然科学版),2010,31(1):32-36.[doi:10.11830/ISSN.1000-5013.2010.01.0032]
　CHEN Xuan,WU Qing-jiang,LU Yuan.Gait Recognition of Angle and Dynamical Time Normalization[J].Journal of Huaqiao University(Natural Science),2010,31(1):32-36.[doi:10.11830/ISSN.1000-5013.2010.01.0032]
点击复制

角度与动态时间归一化的步态识别()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第31卷
期数:
2010年第1期
页码:
32-36
栏目:
出版日期:
2010-01-20

文章信息/Info

Title:
Gait Recognition of Angle and Dynamical Time Normalization
文章编号:
1000-5013(2010)01-0032-05
作者:
陈璇; 吴清江; 路远
华侨大学计算机科学与技术学院
Author(s):
CHEN Xuan;  WU Qing-jiang;  LU Yuan
College of Information Science and Engineering, Huaqiao University, Quanzhou 362021, China
关键词:
步态识别;  角度特征;  动态时间归一化;  距离计算
Keywords:
gait recognition;  angle feature;  dynamical time normalization;  distance calculation
分类号:
TP391.41
DOI:
10.11830/ISSN.1000-5013.2010.01.0032
文献标志码:
A
摘要:
首先选择具有鲁棒性的累积角度特征作为步态特征,并对每个序列提取角度特征,构成特征矩阵.根据步态序列具有线性特征的特点,在提取步态周期的基础上,采用动态时间归一化做序列匹配,计算最终的特征距离.实验结果表明,算法具有快速、稳健的特征,并且在120人的步态数据库0(°)与90(°)的视角上取得较好的识别率.
Abstract:
Firstly,robust accumulative angle feature is chosen to be the basic gait feature,and the angle feature of sequences are saved as matrixes.Secondly,on the basis of gait sequence linearity,extract the gait cycle,and then introduce dynamical time normalization into sequence matching,to get the final feature distance.Experimental result shows that the proposed algorithm performs an encouraging recognition rate with relatively lower computational cost at 0(°) and 90(°) viewing angle in large gait dataset for 120 persons.

参考文献/References:

[1] 王亮, 胡卫明, 谭铁牛. 基于步态的身份识别 [J]. 计算机学报, 2003(3):353-360.doi:10.3321/j.issn:0254-4164.2003.03.013.
[2] 黄建新. Kalman滤波的人体运动位置跟踪算法 [J]. 华侨大学学报(自然科学版), 2003(3):254-256.doi:10.3969/j.issn.1000-5013.2003.03.006.
[3] 陈彦. 基于独立分量分析的步态识别方法研究 [D]. 西安:西安电子科技大学, 2007.
[4] 柴艳妹, 赵荣椿. 一种新的基于区域特征的快速步态识别方法 [J]. 中国图象图形学报, 2006(9):1260-1265.doi:10.3969/j.issn.1006-8961.2006.09.010.
[5] 田光见, 赵荣椿. 基于连续隐马尔可夫模型的步态识别 [J]. 中国图象图形学报, 2006(6):867-871.doi:10.3969/j.issn.1006-8961.2006.06.016.
[6] 赵国英. 基于视频的步态识别 [D]. 北京:中国科学院, 2005.
[7] MITTAL A, PARAGIOS N. Motion-based background subtraction using adaptive kernel density estimation [A]. Princeton, 2004.302-309.
[8] POWER P, SCHOONEES J. Understanding background mixture models for foreground segmentation [A]. Auckland, 2002.267-271.
[9] BOUGOURIS N, PLATANIOTIS K, HATZINAKOS D. An angular transform of gait sequences for gait assisted recognition [A]. 2004.857-860.

备注/Memo

备注/Memo:
福建省自然科学基金资助项目(2006J0036)
更新日期/Last Update: 2014-03-23