基于时间保持能量图和Radon变换的步态识别

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (29): 164-167.

• 图形、图像、模式识别 • 上一篇下一篇

基于时间保持能量图和Radon变换的步态识别

刘玉淑

复旦大学计算机科学技术学院，上海 200433

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-11 发布日期:2011-10-11

Radon transform-based chrono-gait image for gait recognition

LIU Yushu

School of Computer Science，Fudan University，Shanghai 200433，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-11 Published:2011-10-11

摘要/Abstract

摘要： Radon变换把图像从坐标空间映射到Radon空间，因其可以保存频率信息而被应用在步态识别算法中。主要从频率角度入手，着力提高基于Radon变换的步态识别算法的识别正确率，提出了基于时间保持能量图的Radon变换步态识别算法。传统的步态能量图是对步态周期中经过归一化的人体轮廓图求算术平均而得到的步态特征表示，最近提出的时间保持能量图在保持步态能量图的优点的基础上，保留了步态序列的时间信息，在改进的步态周期检测算法的基础上，提出将时间保持能量图和Radon变换结合到一起的步态识别算法。也对结合不同数据空间的特征如频率、形状等做了初步探讨。

关键词: 频率, Radon变换, 步态能量图, 时间保持能量图, 步态识别

Abstract: Radon transform is an important method in gait recognition which captures the frequency information of an image by projecting the 2D image from I（x，y） space to Radon space.A Radon transform and chrono-gait image combined gait recognition algorithm is raised.Traditionally gait sequences are handled in a video with Gait Energy Image（GEI） which is a compact representation of gait features by averaging aligned and unified gait silhouettes.However it also loses temporal information.Chrono-gait images solve this shortcoming of GEI while sharing all the advantages of GEI.This paper effectively combines Radon transform with chrono-gait image to improve the performance.Experiments indicate the promising results of the proposed approach.The proposed method achieves high recognition accuracy.

Key words: frequency, Radon transform, Gait Energy Image（GEI）, chrono-gait image, gait recognition

刘玉淑. 基于时间保持能量图和Radon变换的步态识别[J]. 计算机工程与应用, 2011, 47(29): 164-167.

LIU Yushu. Radon transform-based chrono-gait image for gait recognition[J]. Computer Engineering and Applications, 2011, 47(29): 164-167.

[1]	徐健，黄磊，陈倩倩，陆珍，吴曙培. 基于多尺度特征迁移学习的步态识别研究[J]. 计算机工程与应用, 2021, 57(20): 180-187.
[2]	姚姗姗，牛保宁. 抗频率变换的采样计数音频检索方法[J]. 计算机工程与应用, 2021, 57(12): 126-131.
[3]	汪虹宇，莫志锋，张玉成. 卫星终端小区重选策略设计及优化[J]. 计算机工程与应用, 2020, 56(18): 247-253.
[4]	张航，盛志伟，张仕斌，杨敏. Simhash算法在文本去重中的应用[J]. 计算机工程与应用, 2020, 56(11): 246-251.
[5]	王华朋，姜囡，刘恩，晁亚东. 法庭语音比对中话者自身变化性建模方法研究[J]. 计算机工程与应用, 2019, 55(8): 110-115.
[6]	叶雪梅1，2，毛雪岷1，2，夏锦春1，2，王波1，2. 文本分类TF-IDF算法的改进研究[J]. 计算机工程与应用, 2019, 55(2): 104-109.
[7]	王海宇，谢利理，王杉. 神经网络正弦信号发生器[J]. 计算机工程与应用, 2019, 55(16): 259-264.
[8]	王浩，夏利民. 基于堆叠深度卷积沙漏网络的步态识别[J]. 计算机工程与应用, 2019, 55(14): 127-133.
[9]	刘文婷，卢新明. 基于LBP和HOG特征分层融合的步态识别[J]. 计算机工程与应用, 2018, 54(24): 168-175.
[10]	王献锋，黄文准，张善文. 基于加权局部判别CCA的多视角步态识别方法[J]. 计算机工程与应用, 2018, 54(21): 90-94.
[11]	王恒友，余沾，张长伦，何强. 基于低秩矩阵分解的批量扫描文档图像纠偏[J]. 计算机工程与应用, 2018, 54(17): 175-179.
[12]	罗三定，涂宙霖，田光亚. 基于频率谱处理的瓷砖纹理分类方法[J]. 计算机工程与应用, 2017, 53(4): 184-188.
[13]	王炜珽1，2，李进杰2，张文旭1. 相位码补偿法实现DDS无相位截断杂散的研究[J]. 计算机工程与应用, 2017, 53(4): 244-250.
[14]	易俗1，殷慧文1，王闯2，张一川2. 多因素自适应心跳检测算法研究[J]. 计算机工程与应用, 2017, 53(24): 86-93.
[15]	韩军兵，哈力旦·阿布都热依木，古力努尔·艾尔肯，何燕. 改进信息增益的维吾尔文特征选择方法[J]. 计算机工程与应用, 2017, 53(23): 34-38.

基于时间保持能量图和Radon变换的步态识别

Radon transform-based chrono-gait image for gait recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics