信息集理论结合SVM的步态识别

• 作者: 牟丽莎 杨建 刘述木 彭莉娟
• 来源期刊: 控制工程
• 关键词: 动作特征 步态周期 能量特征 信息集理论 支持向量机
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 2038-2043
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180303

摘要

针对现有的基于模型的方法在动作特征提取方面的局限性,提出了一种新的基于信息集理论和支持向量机相结合的步态识别方法.首先,基于信息集理论,从一个步态周期上所有帧中得到步态信息图(Gait Information Image, GII),然后提取具有能量特征的步态信息图(GII-EF)和具有sigmoid特征的步态信息图(GII-SF).在获取有效的步态特征后,利用支持向量机(SVM)分类器识别步态.最后,在具有服装变化的SOTON小数据集和动作变化较大的Weizmann数据集上进行实验.实验结果表明,利用提出的方法获得的步态特征鲁棒性较强.且该方法取得了较高的识别精度.