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:
随着安防和刑侦技术的发展,以及多媒体技术的普及,监控网络迅速扩大,基于行人重识别的海量视频搜索已成为当前网络监控的研究热点.在研究基于步态行为特征进行行人重识别的基础上,利用局部二值模式、HSV颜色特征进行相似行人预检测弥补步态实时性不足,提出一种基于步态的行人重识别算法.实验结果表明,该算法具有较强的区分度,性能稳定可靠,对解决跨摄像头条件下的行为分析、目标跟踪和目标搜索等有着重要意义.
推荐文章
基于深度学习的行人重识别研究综述
行人重识别
监督学习
半监督学习
弱监督学习
无监督学习
基于特征融合的步态识别算法研究
生物特征识别
步态识别
特征融合
权重
傅里叶描述子
基于样本正态性重采样的改进KISSME行人再识别算法
行人再识别
度量学习算法
半监督学习
基于深度学习的步态识别算法优化研究
步态识别
BP神经网络
粒子群
深度学习
识别率
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 基于步态的行人重识别算法研究
来源期刊 现代计算机 学科
关键词 行人重识别 特征提取 步态能量图 机器学习
年,卷(期) 2020,(23) 所属期刊栏目 图形图像
研究方向 页码范围 48-52
页数 5页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1007-1423.2020.23.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (8)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(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)
研究主题发展历程
节点文献
行人重识别
特征提取
步态能量图
机器学习
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
现代计算机
旬刊
1007-1423
44-1415/TP
16开
广东省广州市
46-121
1984
chi
出版文献量(篇)
11312
总下载数(次)
39
总被引数(次)
33178
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导