基于CNN与SVM融合的步态识别方法

• 作者: 张加加 王修晖
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 步态识别 CNN网络 SVM分类器 多通道卷积技术
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 65-71
• 页数: 7页
• 分类号: TP391
• 字数: 5620字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.01.011

摘要

目的:解决人工步态特征参数模型识别率低的问题.方法:采用基于CNN网络结构和SVM分类器的步态识别方法,提出三种不同CNN网络结构,其中两种在传统CNN网络结构中添加了多通道卷积技术.结果:通过在中国科学院提供的CASIA和日本大阪大学提供的OU-ISIR步态数据库上进行测试和验证,结果显示采用三种CNN网络结构得到的步态识别率都有显著提高,其中晚期多通道卷积CNN网络结构(LCNN)得到的步态识别率最高.结论:基于卷积神经网络(CNN)的步态识别方法较好地解决了人工步态特征模型造成的低识别率问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王修晖	中国计量大学信息工程学院	17	117	7.0	10.0
2	张加加	中国计量大学信息工程学院	1	2	1.0	1.0