基于高阶张量子空间学习的多视角步态识别方法及系统

摘要

本发明公开了一种基于高阶张量子空间学习的多视角步态识别方法及系统，属于智能识别领域。从多个代表性的角度来获取步态视频，分帧截取得到步态序列图像；对步态序列图像分别作背景提取、背景减除和二值化处理，使呈现出黑和白的视觉效果，得到多个视角下的轮廓序列；将轮廓序列转换为张量数据；利用多线性判别分析和图嵌入原理基础上拓展DTSA后得到的基于图嵌入的高阶判别张量子空间分析算法对张量数据进行降维和特征提取；根据提取得到的多视角步态特征，对步态特征进行相似度测量，得到识别结果。本发明简单，成本低，可以自动对特定场所进行人员身份权限检测及伪装人员身份鉴定，有效提高监控场所的安全防护及多种情形下的身份鉴定。