高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双尺度动态贝叶斯网络及多信息融合的步态识别

杨旗 薛定宇

杨旗, 薛定宇. 基于双尺度动态贝叶斯网络及多信息融合的步态识别[J]. 电子与信息学报, 2012, 34(5): 1148-1153. doi: 10.3724/SP.J.1146.2011.01012
引用本文: 杨旗, 薛定宇. 基于双尺度动态贝叶斯网络及多信息融合的步态识别[J]. 电子与信息学报, 2012, 34(5): 1148-1153. doi: 10.3724/SP.J.1146.2011.01012
Yang Qi, Xue Ding-Yu. Gait Recognition Based on Two-scale Dynamic Bayesian Network and More Information Fusion[J]. Journal of Electronics and Information Technology, 2012, 34(5): 1148-1153. doi: 10.3724/SP.J.1146.2011.01012
Citation: Yang Qi, Xue Ding-Yu. Gait Recognition Based on Two-scale Dynamic Bayesian Network and More Information Fusion[J]. Journal of Electronics and Information Technology, 2012, 34(5): 1148-1153. doi: 10.3724/SP.J.1146.2011.01012

基于双尺度动态贝叶斯网络及多信息融合的步态识别

doi: 10.3724/SP.J.1146.2011.01012
基金项目: 

国家自然科学基金(61174145)资助课题

Gait Recognition Based on Two-scale Dynamic Bayesian Network and More Information Fusion

  • 摘要: 步态识别在生物识别中研究日益增多。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,该文分析了人体行走时步态的时序特征,提出一种4层的双尺度多信息融合的动态贝叶斯网络。模型中每个时间片都为整体信息即大尺度信息和局部细节信息即小尺度信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的整体信息及局部细节信息,并且在有轮廓噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。
  • 加载中
计量
  • 文章访问数:  2011
  • HTML全文浏览量:  31
  • PDF下载量:  674
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-09-27
  • 修回日期:  2012-01-20
  • 刊出日期:  2012-05-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注