基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
步态识别是图像处理领域的一个新兴热点.人行走姿态准确识别困难因素较多,由于步态数据是一种高维、小样本数据,传统识别方法不能检测前景与背景差异情况,导致识别正确率比较低.为了快速准确地进行步态识别,提出支持向量机的步态识别方法.方法首先根据步态图像中前景点与背景点的差值,自适应计算区分前景点与背景点的阈值,根据阈值对步态图像进行二值化,在特征提取阶段,采用水平、垂直和对角线 3 个方向提取步态信息,并通过小波变换进行特征维数约简,最后将小波变换提取维步态特征采用支持向量机学习得到步态识别结果.在中国科学院自动化所的 CASIA 步态数据库上进行了识别仿真,结果表明,方法的识别正确率有所提高,且识别的速度加快,是步态识别有效的方法,并具有广阔的应用前景.
推荐文章
基于统一Hu和支持向量机的步态识别
步态识别
Hu不变矩
支持向量机
支持向量机在仓储物害虫分类识别中的应用研究
仓储物害虫
支持向量机
特征提取
不变矩的改进支持向量机在显微目标识别中的应用研究
不变矩:改进的支持向量机
粗糙集
属性约简
目标识别
改进的支持向量机算法在人脸识别上的应用
支持向量机
混合核函数
粒子群优化算法
人脸识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机在步态识别算法中的应用研究
来源期刊 计算机仿真 学科 工学
关键词 步态识别 小波变换 支持向量机
年,卷(期) 2011,(3) 所属期刊栏目 可视化仿真技术
研究方向 页码范围 302-305,398
页数 分类号 TP391
字数 4637字 语种 中文
DOI 10.3969/j.issn.1006-9348.2011.03.073
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 惠建新 4 20 3.0 4.0
2 周杰 142 464 10.0 14.0
3 张恒 4 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (12)
参考文献  (3)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
步态识别
小波变换
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
论文1v1指导