[发明专利]基于非线性耦合度量学习的步态特征融合方法在审
| 申请号： | 201811540264.0 | 申请日： | 2018-12-17 |
| 公开（公告）号： | CN109635754A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 吕卓纹;谢瑞强;冯娟;宰文姣;王一斌 | 申请（专利权）人： | 四川师范大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 长春众邦菁华知识产权代理有限公司 22214 | 代理人： | 王莹 |
| 地址： | 610068 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于非线性耦合度量学习的步态特征融合方法，属于模式识别技术领域。解决了现有技术中的步态表征方法识别性能低的技术问题。本发明的步态特征融合方法，步骤如下：步骤一、采用码本检测方法从步态视频流中获取人的二值化轮廓序列，并将每帧图像标准中心化；步骤二、根据人行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中提取步态能量图特征和主动能量图特征；步骤三、将步态能量图特征和主动能量图特征进行非线性耦合度量学习，并投影到核耦合空间，得到两个新的特征；步骤四、对得到的两组新特征向量进行加权融合，得到核耦合空间的新步态特征。该步态特征融合方法对非正面周期步态序列有效，识别率高。 | ||
| 搜索关键词： | 步态特征 非线性耦合 度量 融合 步态能量图 耦合空间 能量图 步态 模式识别技术 标准中心 步态序列 步态周期 方法识别 加权融合 轮廓序列 二值化 识别率 视频流 新特征 帧图像 检测 两组 码本 向量 学习 投影 | ||
【主权项】：
1.基于非线性耦合度量学习的步态特征融合方法，其特征在于，包括以下步骤：步骤一、采用码本检测方法从步态视频流中获取人的二值化轮廓序列，并将每帧图像标准中心化；步骤二、根据人行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中提取步态能量图特征和主动能量图特征；步骤三、将步态能量图特征和主动能量图特征进行非线性耦合度量学习，并投影到核耦合空间，得到新的步态能量图特征和新的主动能量图特征；步骤四、对得到的新的步态能量图特征和新的主动能量图的特征的向量进行加权融合，得到核耦合空间的新步态特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川师范大学，未经四川师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811540264.0/，转载请声明来源钻瓜专利网。
