基于Bayes规则与HMM相结合的步态识别方法研究
提出一种将Bayes规则与HMM相结合的步态识别方法.检测环节通过采用重心变化作为特征序列来削弱时间差分算法中运动实体目标存在中空的负面影响,通过对检测出的目标特征序列采用直线拟合提取对称轴,并等效转化为具有方向性的点线距序列,来简化运算,降低失真度.步态训练中,通过初始化的修正使训练出的HMM接近全局最优,并给出Bayes相关先验学习方法.步态识别中,应用HMM的前-后向算法,并融合Bayes规则,客观性增强,最终结果经中国科学院CASIA的原始步态视频测试,达到比较高的识别率,且对衣着具有一定鲁棒性.该文方法主要针对视角在0°～180°间的室内监控直道行走场景.
HMM、Bayes规则、步态、识别、序列
35
TP391(计算技术、计算机技术)
2012-04-27（万方平台首次上网日期，不代表论文的发表时间）
共11页
386-396
