[發(fā)明專利]基于雙線性聯(lián)合稀疏判別分析的步態(tài)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510580079.4
• 申請(qǐng)日: 2015-09-11
• 公開（公告）號(hào): CN105224918B
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 賴志輝
• 申請(qǐng)（專利權(quán)）人: 深圳大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 深圳市科吉華烽知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 韓云涵;黎健任

1.一種基于雙線性聯(lián)合稀疏判別分析的步態(tài)識(shí)別方法，所述方法用于處理步態(tài)樣本矩陣其中，N代表樣本的總個(gè)數(shù)、N_c和分別代表類標(biāo)的個(gè)數(shù)和第i類樣本的個(gè)數(shù)；通過構(gòu)造兩個(gè)投影矩陣和原始的圖像信息通過所述投影矩陣投影到低維的特征矩陣中，降維后的圖像尺寸d_i，d_i≤m_i，i＝1，2，其特征在于：

所述方法包括以下步驟：

步驟一、特征提取，對(duì)訓(xùn)練集和測(cè)試集數(shù)據(jù)分別進(jìn)行特征提取；

(1)初始化

首先初始化U⁽⁰⁾和為任意隨機(jī)矩陣；

(2)通過迭代操作，求出鑒別稀疏子空間P_U，P_V

第一步；判斷變量t的大小是否大于迭代步長(zhǎng)T_max，如果小于等于T_max，執(zhí)行下面的操作；如果大于T_max，跳出循環(huán)，結(jié)束迭代操作；

第二步：根據(jù)以下公式，計(jì)算變量

其中，代表全部訓(xùn)練樣本的均值，代表第j類樣本的平均值，代表第i類樣本的平均值；

第三步：判斷t是否等于1，如果t等于1，那么V＝V⁽⁰⁾，反之，V＝V^(t-1)；

第四步：求出鑒別稀疏子空間和鑒別空間V^(t)，

首先，判斷變量t是否小于等于T，如果t小于等于T，那么執(zhí)行下面的操作；反之，結(jié)束第四步；

然后，根據(jù)如下公式，計(jì)算變量

其次，根據(jù)如下公式，計(jì)算變量V^(t)：

其中，λ代表拉格朗日乘子，μ∈[0，1]，μ，α，β代表設(shè)定的常數(shù)，對(duì)角矩陣G_V，其對(duì)角元素為：

最后，t＝t+1，重復(fù)第四步；

第五步：根據(jù)和V^(t)計(jì)算

第六步：判斷t是否等于1，如果t等于1，那么U＝U⁽⁰⁾，反之，U＝U^(t-1)；

第七步：求出鑒別稀疏子空間和鑒別空間U^(t)，

首先，判斷變量t是否小于等于T，如果t小于等于T，那么執(zhí)行下面的操作；反之，結(jié)束第九步；

然后，根據(jù)如下公式，得到變量

其次，根據(jù)如下公式，計(jì)算變量U^(t)，

其中，對(duì)角矩陣G_U，其對(duì)角元素為：

最后，t＝t+1，重復(fù)第七步操作；

第八步，根據(jù)公式計(jì)算變量的值，如果變量J的值減小，則跳到第一步繼續(xù)執(zhí)行，否則執(zhí)行下面操作；

(3)歸一化：將計(jì)算得到的和進(jìn)行歸一化，

(4)計(jì)算降維后的步態(tài)特征矩陣，

步驟二、分類

針對(duì)特征提取后的訓(xùn)練集和測(cè)試集數(shù)據(jù)，使用最近鄰分類器進(jìn)行判別分類，給出步態(tài)識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述迭代步長(zhǎng)T_max為預(yù)設(shè)值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：參數(shù)λ在實(shí)際應(yīng)用中設(shè)置為一個(gè)常數(shù)，并且λ的大小并不會(huì)顯著影響到步態(tài)識(shí)別的精度。