作　　者： ; ;

机构地区： 湖南大学信息科学与工程学院软件学院

出　　处： 《计算机工程》 2011年第11期215-217,共3页

摘　　要： 为在降低样本训练时间的同时提高数据分类能力,提出一种基于加权行质量的步态识别方法,提取人体轮廓行质量向量作为步态特征,分析特征向量各元素的贡献度从而对特征向量进行加权,采用归一化欧氏距离度量相似度,并使用最近邻分类器进行分类。在CASIA数据库上的实验结果表明,该步态识别方法既满足步态识别对实时性的要求又保证较高的识别率。 In order to reduce the training time while increasing the sample data classification capabilities,a new approach to the problem of gait recognition based on weighted row mass vector is proposed,which uses the row mass vector as gait feature,weights it by analyzing the contribution of each mass vector element.The Normalized Euclidean Distance（NED） is used for matching and the nearest neighbor classifier is used for classifying.Experimental results on CASIA gait database show that the proposed algorithm can greatly reduce the training time and achieve high recognition rate.

关 键 词： 步态识别 线性判别分析 行质量向量 归一化欧氏距离

领　　域： [自动化与计算机技术] [自动化与计算机技术]