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:
基于确定性学习理论,提出了一种基于关节角时序数据序列的人体步态识别方法.首先,由人体运动捕捉设备获取关节角时序数据序列,则局部准确的人体步态的内部动力学可通过径向基函数(RBF)网络得到逼近.进一步,证明了逼近误差和相关神经网络(NN)参数的收敛.接下来,通过将NN逼近得到的步态动力学知识存储于常值的RBF网络,可实现人体移动步态特征的有效表达.最后,通过构建步态模式的相似性定义,提出了一种步态时序数据识别的方法,最终可实现准确的步态识别.仿真实验采用类圆规双足机器人验证了所提方法的有效性.
推荐文章
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于头肩模型的人体识别方法
人体识别
头肩模型
不变矩
最近邻分类器
结合区域HOF和字典学习的人体行为识别方法
行为识别
老人看护
光流方向直方图
字典学习
运动检测
基于改进稠密轨迹与Fisher向量编码的人体行为识别方法
改进稠密轨
Fisher向量编码
人体行为识别
特征提取
量化
稠密光流
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 基于确定性学习的人体步态识别方法研究
来源期刊 控制工程 学科 工学
关键词 确定性学习 时序数据序列 关节角 人体步态识别 相似性定义
年,卷(期) 2018,(2) 所属期刊栏目 建模与仿真系统
研究方向 页码范围 259-266
页数 8页 分类号 TP183
字数 5896字 语种 中文
DOI 10.14107/j.cnki.kzgc.151296
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 陶玉昆 郑州轻工业学院电气信息工程学院 3 3 1.0 1.0
2 司文杰 华南理工大学机械与汽车工程学院 8 32 4.0 5.0
3 杨飞飞 郑州轻工业学院电气信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (15)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(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)
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
确定性学习
时序数据序列
关节角
人体步态识别
相似性定义
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
控制工程
月刊
1671-7848
21-1476/TP
大16开
沈阳东北大学310信箱
8-216
1994
chi
出版文献量(篇)
5468
总下载数(次)
9
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导