基于协同表示的步态识别

将基于稀疏表示的分类算法应用于步态识别中,会遇到小样本及计算耗时的问题。针对这一问题,提出一种基于协同表示的步态识别方法。该方法首先通过背景重建、目标提取等处理获得人体侧影轮廓,根据步态轮廓的宽度变化统计步态周期,得到步态能量图GEI;其次,以GEI为基础对测试样本进行协同表示;最后,通过最小重构误差进行识别。实验结果表明,该方法具有较好的识别性能,并且识别时间明显降低。     

一种基于模型的步态识别方法

该文提出了一种简单有效的基于人体骨骼化模型的步态识别方法。首先,对输入的步态序列自动进行背景初始化;然后分割图像中运动人体的侧面影像,并进一步细化为人体的骨骼化模型;从模型中提取人体的静态参数(如身高、步幅)以及动态参数(如运动过程中关节点的位置、肢体角度);最后,应用标准的模式分类技术对个体的身份做出识别。实验结果表明,此方法通过提取可靠的步态特征,降低了数据处理的代价,而且得到了较为良好的识别性能。     

基于三维步态特征的步态识别方法

研究步态识别问题,针对在当前二维步态识别系统中,识别过程仅仅针对灰度、平面几何距离等二维特征信息,忽略了人体走路时的三维步态特征,步态识别准确度不高的问题.提出了一种加入三维参数的步态识别算法.利用摄像机采集单帧步态图像序列,利用身体结构的知识和摄像机标定的知识提取出人体走步时的人体三维特征数据,利用提取出二维和三维的步态特征,进行步态识别.结果表明相对于以二维步态特征为参数的步态识别,识别率有了明显改进.     

一种步态识别方法

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上面进行实验取得了较高的正确识别率.     

基于多区域分割的步态表示与识别算法研究

提出了一种基于多区域分割的步态表示方法,将视频中的目标人体区域部分按人体结构特点划分为多个子区,每个子区通过连接人体重心的椭圆进行拟和,建立多连接椭圆的人体结构模型,预处理阶段引入一个归一化过程以实现对各种视角下的步态序列进行表示.识别过程将模型参数作为步态特征,并引入了一定的融合机制对特征进行选择和融合.实验表明,该算法对于多个视角下的步态序列均具有较好的识别性能.     

基于Kinect骨骼数据的人体动作姿势识别方法

针对现有的复杂背景下人体动作姿势训练与识别中存在识别准确率不高和实时性不强等问题,提出一种基于Kinect骨骼数据的人体动作姿势识别方法。从Kinect获取骨骼姿势特征点数据,计算姿势特征矢量;将当前的实时姿势特征矢量与预设的标准姿势特征矢量进行匹配比较,实时反馈两者姿势的匹配度,达到姿势识别的目的。实验结果表明,该方法能有效地进行人体动作姿势的匹配识别,识别准确率较高、实时性较强,具有良好的可扩展性。     

基于SEF-GHEI及协同表示的步态识别研究

将协同表示方法应用于步态识别中可以解决稀疏表示方法计算耗时的问题,但提取步态特征采用的GEI算法没有考虑步态内部轮廓边界信息,导致识别率不高。针对此问题,本文提出使用融合Hog和GEI算法的方法提取步态特征,在此基础上使用协同表示的方法训练,再通过计算测试样本的最小重构误差进行分类。实验结果表明,该方法在单一视角下步态识别准确率平均提高了1.315%,以及跨视角下步态识别准确率平均提高了6.51%,说明本方法是可行的。     

基于关键帧和骨骼信息的人体动作识别方法

提出了一种基于关键帧和骨骼信息的动作识别新方法。通过深度传感器Kinect v2实时获取人体各骨骼点信息,通过采用加权K-means算法提取动作视频中的关键帧。通过每个关键帧中25个骨骼点的三维坐标值,计算出关节角度和向量模比值两种特征量,通过优化后的动态时间规整(DTW)算法计算关键帧序列与模板库中动作模板的相似度,从而识别人体的实时动作。通过对6种常见动作的识别实验对比,结果表明:所提方法在识别速度和准确率上较高,具有实际推广性。     

基于SVM的步态识别方法综述

步态识别是非接触式生物特征识别领域的前沿课题,通过对人体行走方式的识别以确定个体的身份,在智能视频监控领域有较高的研究价值.步态分类是步态识别过程中的重要任务和关键步骤.首先概述了步态识别过程及分类方法,然后重点对基于支持向量机的步态分类方法进行了综述,分析了基于该方法的最新研究进展,对每个具体研究方法的优缺点进行了对比.最后,指出目前步态识别在实际应用中存在的局限性,并对该领域发展方向进行了展望.     

一种基于邻域协同表达的分类方法

邻域粗糙集模型中,随着信息粒尺寸的增长,基于多数投票原则的邻域分类器(NC)容易对未知样本的类别产生误判。为了缓解该问题,在协同表达分类(CRC)思想的基础上,提出了一种基于邻域协同表达的分类方法,即邻域协同分类器(NCC)。NCC首先借助邻域粗糙集模型对分类学习任务进行特征选择,然后找出被选特征下未知样本的邻域空间,最后在邻域空间内采用协同表达来代替多数投票原则,找出与未知样本具有最小重构误差的类别作为预测的类别标记。在4组UCI数据集上的实验结果表明:1)与NC相比,所提NCC在大尺寸信息粒下获得了较为满意的分类效果;2)与CRC相比,所提NCC在保持良好分类精度的同时,极大地降低了字典样本的规模,进而提高了分类的效率。     

步态表征和步态融合方法新进展

作为可远距离感知的生物特征识别技术之一,步态识别受到越来越多的关注.有效的步态表征方法是步态识别的关键,信息融合是提高步态识别性能的重要手段.从步态表征方法和信息融合方法两方面总结了步态识别技术的最新进展;对步态表征方法做了详细的总结;从多特征融合、多视角融合和多模态生物特征融合3个方面归纳了融合在步态识别方面的发展.在此基础上,分析了步态识别的发展趋势.     

Locality Preserving Collaborative Representation for Face Recognition

Face recognition has many applications in pattern recognition and computer vision, and many face recognition methods have been proposed. Among them, the recently proposed collaborative representation based face recognition has attracted the attention of researchers. Many variants and extensions of collaborative representation based classification (CRC) have been presented. However, most of CRC methods do not consider data locality, which is crucial for classification task. In this article, a novel collaborative representation based face recognition method, LP-CRC, is proposed, which balances data locality and collaborative representation. The proposed method incorporates a locality adaptor term into the robust collaborative representation based classification framework, leading to a novel unified objective function. The Augmented Lagrange Multiplier is used to optimize the objective function. Tests on standard benchmarks demonstrate that the proposed face recognition method is superior to existing methods and robust to noise and outliers.     

Group Collaborative Representation for Image Set Classification

International Journal of Computer Vision - With significant advances in imaging technology, multiple images of a person or an object are becoming readily available in a number of real-life...     

面向通用模型的高可用性步态周期分析方法

步态数据分析是模式识别、数据挖掘与智能数据分析领域中的一个重要研究方向.对步态数据进行分析并求解步态周期段,是该领域的一个核心课题,其中,以波峰波谷识别、步态模板匹配、利用信号处理基本方法为主.这些方法尽管已取得了一定条件下的应用,但大多需要预知步态数目、步态模板数据等基本信息,其可用性受限.针对这一问题,提出一种结合了波峰波谷检测与阈值空间的高可用性步态周期分析方法,通过自动求解预估值并构建自适应区间,根据通用步态模型对缺乏上述信息的未知步态数据进行切分与分析,能够更便利准确地求解步态周期数据.同时也提出了一种过滤不相关数据的方法,用于过滤测试数据头尾的部分不相关数据.该方法与朴素快速傅里叶方法和本领域3类最新典型方法进行了对比,实验结果显示：在所有样本中,该方法的步态周期段求解准确度最高,使步态数据的分析与处理更贴合实际情况.     

协同推荐系统检测模型的一种优化方法

研究表明协同推荐技术容易受到攻击。由于现有的检测模型对低填充规模攻击的检测效果不理想,本文结合检测模型特点,改进Pearson相似度计算方法。其思想是,降低共同评分项目对用户相似度程度的影响,从而降低填充规模较小的攻击数据与真实用户之间的相似度。实验结果表明该方法对低填充规模攻击有较好的抗攻击性。     

基于协同表示的子空间聚类*

针对稀疏子空间聚类(SSC)求得的系数矩阵过于稀疏和最小二乘回归子空间聚类(LSR)求得的系数矩阵过于稠密的问题,文中提出基于协同表示的子空间聚类算法(SCCR).结合SSC和LSR的优点,将l₁范数和Frobenius范数引入同一优化问题中,使系数矩阵保证在同一子空间数据点联系(如LSR)的同时,消除不同子空间数据点之间的联系(如SSC).然后利用此系数矩阵建立相似矩阵,应用谱聚类得到聚类结果.实验表明SCCR可以提高聚类性能.     

Using the Skeleton Method to Define a Preliminary Geometrical Model for Three-Dimensional Speed Reducers

This paper deals with the first design phase of three-dimensional speed reducers. Concepts to help designers during the entry-level model definition are presented and, more particularly, those related to the task of geometrical synthesis. From these principles, a specific CAD tool has been built and is also described. A rough model, called a skeleton, is introduced to represent each conventional reducing stage category, thus enabling the automatic formation of entire geometrical models of speed reducers. Shaft orientations and positions are calculated from products of transformation matrices, in the same way as for spatial kinematic chain closure conventional problems. Optimisation techniques are used to obtain a preliminary dimensioning of the structure. The numerical processing is achieved progressively in three steps in order to improve the final convergence and, if necessary, to enlighten further the designer on failure origins within specification data. Three examples are given to illustrate both the creation of the geometrical model and the way results are obtained.     

协同服务中事务处理模型分析方法

提出一种基于随机Petri网的协同服务事务处理模型与分析方法,分析企业协同服务中几个最具代表性的事务处理流程。以电子商务系统中的物流系统为例,分别对加入事务处理前后的流程应用模型进行等价化简,从而得到2类流程模型,并利用随机Petri网的性能评价方法,对比分析加入事务处理前后系统业务响应时间和吞吐量。