[发明专利]一种基于超限学习机的步态识别方法在审
| 申请号： | 201811592241.4 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109784206A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 邓木清;李吉利;冯小仍;张敬;曹九稳 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06T5/30 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于超限学习机的步态识别方法。本发明包括预处理、特征提取和分类识别，具体如下：所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1‑1.提取运动目标轮廓序列；1‑2.图像标准化；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2‑1.提取步态周期；2‑2.提取动作能量图；2‑3.通过2维主成分分析进行降维；所述采用核超限学习机(KELM)进行分类识别：3‑1构建核超限学习机神经网络模型；3‑2.训练核超限学习机神经网络；3‑3.分类识别。本发明提取的动作能量图包含较多的动静态信息，无需借助复杂的图像处理过程，提取方式简单，具有很好的表征性。 | ||
| 搜索关键词： | 学习机 超限 分类识别 预处理 运动目标轮廓 步态识别 动作能量 特征提取 表征性 步态特征参数 神经网络模型 图像处理过程 动静态信息 图像标准化 主成分分析 标准统一 步态周期 神经网络 构建 降维 | ||
【主权项】：
1.一种基于超限学习机的步态识别方法，其特征在于包括如下步骤：步骤1.步态检测；所述步态检测，用于获取标准大小的运动目标图像序列，包括以下步骤：1‑1.获得步态运动目标轮廓序列；1‑2.图像标准化；步骤2.特征提取；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2‑1.提取步态周期；2‑2.提取动作能量图；2‑3.通过2维主成分分析进行降维步骤3.采用核超限学习机(KELM)进行分类识别，包括以下步骤：3‑1.构建核超限学习机神经网络模型；3‑2.训练核超限学习机神经网络；3‑3.分类识别。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201811592241.4/，转载请声明来源钻瓜专利网。
