用时变模板自动识别行人的步态

提出了一种以行人轮廓随时间变化的灰度图像为模板的步态识别方法．首先提取行人二值轮廓序列;然后针对轮廓的关键运动区域分析边缘点分布直方图的变化,检测出包含两个单步的步态周期;随后对单步范围内的轮廓序列,经帧间轮廓前向运动区域叠加产生单步运动历史图像,从而将三维信息表示到二维图像上;继而用一组同心矩形分割两个单频运动历史图像,提取出局部性的矩统计量作为步态特征向量,最终实现了步态识别．在Soton数据库上进行了实验,这种算法的正确识别率可达85. 57％,与相关文献的对比表明该算法优于现有算法．     

用于步态识别的多层窗口图像矩

该文提出了一种以局部性矩统计量作为步态特征描述的步态识别方法。首先提取行人二值轮廓序列,构造一种基于直方图的轮廓点分布特征检测出步态周期;然后生成彩色步态运动历史图像CGHI描述步态的空间特征和时间信息;继而设计了多层同心矩形窗口分割CGHI,提取出一组矩形环窗口的矩特征量作为步态特征,在此基础上实现了步态识别。在Soton数据库上进行了实验,提出算法的正确识别率可达87.2%,优于现有方法。     

基于形状上下文描述子的步态识别

首先提取出行人二值轮廓序列,用分通道的灰度差和变化局部区域阈值进一步去除阴影、增强轮廓.用形状上下文描述子求取轮廓边缘采样点集的直方图分布,以此作为人体轮廓特征.用改进的Hausdorff距离算法定量轮廓间的相似度,窗口滑动搜索策略计算关键姿态轮廓集合问的匹配距离,最终实现步态分类和识别.在小型CA-SIA室外步态数据库和大型Soton室内库上进行实验,方法的正确识别率分别可达到91.25%和86.97%,与现有方法相比识别率均有提高.实验结果还表明人体轮廓采样点数取200点时识别率最高.