基于多分类器融合的步态识别方法

摘要

为了提高现有基于智能手机加速度传感器步态身份识别的性能,提出了一种基于多分类器融合(MCF)的识别方法.首先,针对现有方法所提取的步态特征较为单一的问题,对单个步态周期提取相对匀变加速度的速度变化量,以及单位时间内加速度变化量作为两类新特征(共16个);其次,将新特征结合常用的时域、频域特征组成新的特征集,用于训练识别效果与训练时间俱佳的多个分类器;最后,采用多尺度投票法(MSV)对多分类器的输出进行融合处理,得到最终的分类结果.为了检测该方法的性能,采集了32个志愿者的步态数据.实验结果表明,新特征对于单个分类器的识别率平均提升5.95个百分点,最终通过MSV融合算法的识别率为97.78％.