对步态空时数据的连续特征子空间分析
Neurocomputing（2010）
摘要
提出一种基于空时特征提取的人体步态识别算法.连续的特征子空间学习依次提取出步态的时间与空间特征:第一次特征子空间学习对步态的频域数据进行主成分分析,步态数据被转化为周期特征矢量;第二次特征子空间学习对步态数据的周期特征矢量形式进行主成分分析加线性判别分析的联合分析,步态数据被进一步转化为步态特征矢量.步态特征矢量同时包含运动的周期特征以及人体的形态特征,具有很强的识别能力.在USF步态数据库上的实验结果显示,该算法识别率较其他同类算法有明显提升.
更多查看译文
关键词
gait recognition,subspace learning,principal component analysis,linear discriminant analysis
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要