步态识别
步态识别的相关文献在2001年到2023年内共计708篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、法律
等领域,其中期刊论文532篇、会议论文30篇、专利文献248337篇;相关期刊250种,包括中国图象图形学报、传感技术学报、计算机工程等;
相关会议28种,包括第九届全国信号和智能信息处理与应用学术会议、第十五届中国虚拟现实大会暨虚拟现实与可视化技术国际会议、第十一届和谐人机环境联合会议等;步态识别的相关文献由1468位作者贡献,包括王科俊、贲晛烨、叶波等。
步态识别—发文量
专利文献>
论文:248337篇
占比:99.77%
总计:248899篇
步态识别
-研究学者
- 王科俊
- 贲晛烨
- 叶波
- 文玉梅
- 明东
- 吴清江
- 杨鹏
- 高有行
- 黄永祯
- 万柏坤
- 李平
- 程琼
- 赵荣椿
- 陈实
- 刘冀伟
- 吴晓娟
- 黄凤岗
- 夏利民
- 张前进
- 曾莹
- 柴艳妹
- 王修晖
- 綦宏志
- 苏菡
- 马天骏
- 刘丽丽
- 刘作军
- 刘磊
- 张军平
- 张善文
- 李占利
- 杨天奇
- 王亮
- 王志良
- 王浩
- 田光见
- 罗志增
- 聂栋栋
- 苏开娜
- 薛召军
- 赵喜玲
- 马勤勇
- 黄岩
- 丁浩
- 不公告发明人
- 刘晓阳
- 刘波
- 宋纯锋
- 庄留杰
- 张二虎
-
-
赵祎明;
王婕;
张高巍;
孙建军;
杨鹏
-
-
摘要:
背景:下肢外骨骼机器人用于恢复患者的基本行走能力,要实现人-机的高度协同和制定机器人控制策略,就要对包括步态在内的人体下肢运动意图进行识别.目的:提出一种新式分类器,利用人体表面肌电信号进行步态识别.方法:首先,采集人体5种步态模式的下肢表面肌电信号;其次,对采集的信号进行降噪和特征提取以获得5种步态模式的数据集,并将其两两结合形成10组数据集;再次,将每组数据集的训练集按照AdaBoost算法规则输入至概率神经网络进行训练;从次,将已训练概率神经网络集成获得10个强分类器;最后,将测试集样本输入到10个强分类器并采取投票机制判断其所述类别.结果 与结论:实验使用改进AdaBoost算法对5种步态模式进行识别,取得了90.2%的平均识别率;将其与仅使用一个概率神经网络进行对比,单独使用概率神经网络时的平均识别率为68.2%,低于改进AdaBoost分类器的平均识别率;将弱分类器更换为支持向量机、BP神经网络、决策树构建强分类器进行对比,当仅使用一个弱分类器时,支持向量机的平均识别率高于概率神经网络,然而将弱分类器使用改进AdaBoost算法集成以后,以概率神经网络为弱分类器时的识别率相较于以支持向量机为弱分类器时84.3%的识别率更高.
-
-
李昱;
季文彬;
戴士杰
-
-
摘要:
为减少背包负重、衣着和环境等因素对步态识别率的影响,提出一种融合视觉和触觉特征的全身步态模型.首先,以支撑脚为起点,根据运动传递过程,建立身体各个部分质量与地面支持力的动力学关系,并且通过加速度引入视觉特征;然后,对模型进行参数分离,得到代表不同步态运动特征的特征矩阵,利用Kinect和步道式足底压力仪获得的视觉图像序列和足底压力图像提取视觉和触觉特征,建立包含正常、背包负重和穿大衣3种步态运动状态下的数据库;最后,选择支持向量机中的多分类方法完成步态识别,在识别过程中通过K-CV法对分类器参数进行了寻优.实验结果表明:足底压力分区方式增加了特征识别点,提高了模型识别率;在正常步态运动条件下模型平均识别率为97.31%,在背包和穿大衣的情况下模型识别性能下降比较少.融合视觉和触觉特征建立包含上肢摆动的全身步态模型可以有效提高模型在复杂步态运动条件下的鲁棒性和步态识别准确率.
-
-
钱兴;
张晓明;
郝子浩
-
-
摘要:
为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。
-
-
贺璇;
刘怡欣;
何小海;
卿粼波;
陈洪刚
-
-
摘要:
针对现有的步态识别模型识别准确率不够高、提取特征层次较浅等问题,在步态识别网络GaitSet的基础上,提出一种新的基于改进残差网络的联合损失步态特征识别模型Res-GaitSet。步态作为一种独特而有效的远距离识别生物特征,可以在老年医学评估、社会秩序保障等方面被广泛应用。新网络在特征提取模块中引入残差单元,并采用多个损失函数联合使用的方式,此方法可有效提高步态识别模型的准确性和鲁棒性。实验结果表明,改进后的网络Res-GaitSet在CASIA-B数据集的多个场景和不同识别角度下的准确率均有提升。同时,将改进后的网络用于自建步态数据集,对比于原网络,改进后的网络识别效果在不同角度下也均有提升,充分验证了改进模型的有效性。
-
-
高宇;
杨洪臣;
蔡能斌
-
-
摘要:
为了提高步态识别应用的广泛性,寻找稳定的人体动态特征,提出一种基于Kinect骨骼信息的步态特征提取方法,以验证骨骼点三维轨迹特征在步态识别中的稳定性。在分析深度相机Kinect工作原理的基础上,对Kinect有效范围进行测量并对其深度数据进行校准,通过18组实验对同一个体在不同行走模式、不同相机位姿下的人体骨骼点三维轨迹进行数据提取,并在固定相机位姿和行走模式的条件下对10组不同个体的行走数据进行提取,最后将同组骨骼点轨迹曲线在同一空间坐标系中进行绘制,同时使用动态时间规整算法(DTW)对实验个体骨骼点轨迹曲线相似度进行评价。实验结果表明,该特征在同一个体中表现出较好的稳定性,可用于步态识别的同一认定。
-
-
杨秀莲;
李娟;
王梦杰;
吕杨;
孙秀慧;
戴洪德
-
-
摘要:
为避免过多传感器的配置在行人导航状态分类时引入冗余信息,提出了一种传感器配置优化方法。根据采集的惯性传感器三轴加速度和角速度信息,基于K均值聚类算法(K-means)、自组织映射算法(SOM)和混合高斯聚类算法(EM-GMM)对行人运动状态进行识别;选取轮廓系数、戴维森堡丁指数、卡林斯基-哈拉巴斯指数3个内部评价指标及执行时间对聚类效果进行综合对比,得出在行人状态识别中K-means聚类方法较优;基于K-means聚类最优模型,对二维、三维、六维不同传感器配置下的轮廓系数进行综合对比,得出二维和三维行人惯性导航系统即可有效实现行人运动状态识别,有效解决了六维特征空间中因多变量复杂相关导致的难以准确建模的难题,为多传感器的行人导航状态识别提供了新途径。
-
-
周潇涵;
王修晖
-
-
摘要:
步态作为一种人体躯干、关节、上下肢及各肌群的周期性行为模式,是可用于身份识别过程的一种重要生物特征。针对现有的步态识别方法大都是基于步态轮廓图或者步态能量图提取的全局特征,而忽视了对细粒度步态信息的有效利用的问题,提出了一种包括全局通路和局部通路的非对称双路识别网络。其中全局通路采用三元组损失函数,用于提取步态的全局时空特征;局部通路采用交叉熵损失函数,用于识别步态中显著不同的局部特征。此外,在局部通路中加入了一个显著性特征检测器模块,用于实现有效的细粒度步态信息识别。在公开数据集CASIAB和OU-ISIR-LP上进行了对比实验,结果表明,在跨视角和跨场景的环境下,该方法相对现有方法在步态识别的准确率方面都有显著提升。
-
-
胡少晖;
王修晖
-
-
摘要:
目前深度学习算法已经广泛应用于步态识别领域,但是大多数现有方法通过卷积神经网络提取步态全局特征时,忽略了许多包含关键步态信息的局部特征,在一定程度上削弱了步态识别的精度和提升潜力。针对上述问题,提出了一种结合注意力卷积神经网络与分块特征的跨视角步态识别方法,该方法以步态轮廓图序列为输入,每帧图片分别经过相同结构的注意力卷积神经网络融合成整体特征,在网络中加入有效的注意力机制CBAM能显式地建模各空间及通道的重要程度,增大显著区域特征的权重;整体特征被水平分成两块进行训练和步态识别,提取的步态局部特征更适合精细的步态分类。在步态数据集CASIA-B和OU-ISIR-MVLP上进行跨视角步态识别实验,结果证明在训练数据集充足与不足的条件下,该方法在识别精度上均优于现有方法。
-
-
郝占军;
乔志强;
党小超;
段渝
-
-
摘要:
针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题,提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为,将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值,得到人员步态的CSI信息后建立观测序列,最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率,生成步态参数模型。在走廊、实验室和大厅真实多人环境中,WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明,与决策树、动态时间规整和长短时记忆网络方法相比较,该方法能有效地识别出人员的步态信息,提升了识别精度和鲁棒性。
-
-
梅建华;
杨彦辰;
云利军;
秦玲
-
-
摘要:
选取多个视角、不同行走状态,制定数据采集方案进行人体红外步态数据采集;设计数据处理框架对原始步态数据进行处理得到适用于深度学习训练的红外步态数据集;接着进行定量分析,得出处理所得步态数据集相比CASIADatasetC人体轮廓更加清晰与完整;使用AlexNet网络对CASIAData-setC与本文步态数据集进行对比实验,结果表明本文的步态数据集具有更好的识别效果.
-
-
-
-
LIU Ping;
刘萍
- 《第九届全国信号和智能信息处理与应用学术会议》
| 2015年
-
摘要:
利用步态对个人身份进行认定是当前生物识别领域的研究热点,为克服不同服饰、携带物对步态识别的影响,提出了一种基于泊松方程和Gabor小波的步态特征表达方法.首先对提取的运动人体二值图像采用泊松方程计算轮廓内每个点的平均随机行走时间,并构造阈值函数提取运动人体的动态部位图像Udynamic;然后将一个步态周期序列内的Udynamic累加平均,得到一种新的步态特征图(Gait Feature Image,GFI);采用Gabor小波提取GFI不同方向、不同尺度的信息,利用2D-PCA构造降维后的特征矢量.利用SVM在中科院自动化所的CASIAB数据库上进行实验,取得了较高的正确识别率.
-
-
-
-
-
-
-