模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2013年
6期
529-536
,共8页
夏懿%马祖长%姚志明%孙怡宁
夏懿%馬祖長%姚誌明%孫怡寧
하의%마조장%요지명%손이저
生物特征识别技术%步态识别%足底压力分布%时空方向梯度直方图
生物特徵識彆技術%步態識彆%足底壓力分佈%時空方嚮梯度直方圖
생물특정식별기술%보태식별%족저압력분포%시공방향제도직방도
Biometrics Identification Technology%Gait Recognition%Plantar Pressure Distribution%Spatio-Temporal Histogram of Oriented Gradient
提出一种基于足底压力分布时空HOG的步态识别算法,在特征层对足底压力的时间域和空间域信息进行融合.首先寻找足底总压力时间曲线上的极大值和极小值等几个特征点,利用这几个特征点所对应时刻的足底压力分布来构建时空HOG特征向量,最后采用SVM进行步态识别.采集不同行走速度下30人的单步足底压力分布数据进行实验,在不区分样本速度的情况下,该方法的识别率为93.5％.实验结果表明足底压力分布时空HOG特征能较好地刻画步态动力学特征,且具有良好的速度适应性.
提齣一種基于足底壓力分佈時空HOG的步態識彆算法,在特徵層對足底壓力的時間域和空間域信息進行融閤.首先尋找足底總壓力時間麯線上的極大值和極小值等幾箇特徵點,利用這幾箇特徵點所對應時刻的足底壓力分佈來構建時空HOG特徵嚮量,最後採用SVM進行步態識彆.採集不同行走速度下30人的單步足底壓力分佈數據進行實驗,在不區分樣本速度的情況下,該方法的識彆率為93.5％.實驗結果錶明足底壓力分佈時空HOG特徵能較好地刻畫步態動力學特徵,且具有良好的速度適應性.
제출일충기우족저압력분포시공HOG적보태식별산법,재특정층대족저압력적시간역화공간역신식진행융합.수선심조족저총압력시간곡선상적겁대치화겁소치등궤개특정점,이용저궤개특정점소대응시각적족저압력분포래구건시공HOG특정향량,최후채용SVM진행보태식별.채집불동행주속도하30인적단보족저압력분포수거진행실험,재불구분양본속도적정황하,해방법적식별솔위93.5％.실험결과표명족저압력분포시공HOG특정능교호지각화보태동역학특정,차구유량호적속도괄응성.
