针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理...针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理增强识别技术(gait model-key point recognition and extraction,GM-KPRE)提取人体关键点信息,在支持向量机算法中引入径向基函数核进行步态分类和识别;在公开数据集CASIA-B和Market-1501-v15.09.15上进行实验验证,实验结果表明,算法能有效提高步态识别准确率和效率。展开更多
文摘针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理增强识别技术(gait model-key point recognition and extraction,GM-KPRE)提取人体关键点信息,在支持向量机算法中引入径向基函数核进行步态分类和识别;在公开数据集CASIA-B和Market-1501-v15.09.15上进行实验验证,实验结果表明,算法能有效提高步态识别准确率和效率。
