[發(fā)明專(zhuān)利]基于雙線(xiàn)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(kāi)（公告）號(hào): CN105224918B
• 公開(kāi)（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 賴(lài)志輝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)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

本發(fā)明提出的基于L_2,1范數(shù)的雙線(xiàn)性聯(lián)合稀疏判別分析的步態(tài)識(shí)別方法，使用兩個(gè)投影矩陣將原始的包含步態(tài)輪廓的圖像投影到低維的特征矩陣中。與傳統(tǒng)的基于矩陣分解的降維算法相比，本發(fā)明能夠更好的進(jìn)行特征提取與特征選擇。為了增強(qiáng)算法的判別能力和分類(lèi)的精度，聯(lián)合稀疏性和Fisher判決標(biāo)準(zhǔn)融入到算法中來(lái)選取更有效的分類(lèi)特征。本發(fā)明的創(chuàng)新點(diǎn)是使用L_2,1范數(shù)作為正則項(xiàng)作用于投影矩陣，從而改進(jìn)了基于l₁范數(shù)和l₂范數(shù)的彈性網(wǎng)正則稀疏回歸方法存在的缺點(diǎn)。本發(fā)明的方法利用迭代回歸方法來(lái)學(xué)習(xí)具有聯(lián)合稀疏特性的投影矩陣進(jìn)行特征提取與分類(lèi)，具有更強(qiáng)的魯棒性與特征選擇的能力，從而提高了步態(tài)識(shí)別的性能。

技術(shù)領(lǐng)域

本發(fā)明屬于模式識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于稀疏雙線(xiàn)性判別分析的步態(tài)識(shí)別方法。

背景技術(shù)

最近幾年，隨著人類(lèi)經(jīng)濟(jì)的發(fā)展，特別是“9.11”事件以后，可靠的公共安全和信息安全建設(shè)在社會(huì)中的需求越來(lái)越高。隨著國(guó)內(nèi)智慧城市這一理念的提出和實(shí)現(xiàn)，使城市視頻監(jiān)控等方面得到了很大的發(fā)展，在公共安全建立、犯罪事件的偵破等方面發(fā)揮了重要的作用。盡管目前利用人臉、虹膜、指紋、DNA等生物特征進(jìn)行身份確認(rèn)已經(jīng)在很多應(yīng)用領(lǐng)域普及，但作為生物特征不可或缺的一部分，人類(lèi)步態(tài)識(shí)別技術(shù)在非接觸識(shí)別技術(shù)領(lǐng)域發(fā)揮著重要的作用。因此，在視頻領(lǐng)域使用人類(lèi)步態(tài)識(shí)別技術(shù)具有必要性。

人類(lèi)步態(tài)識(shí)別是把研究對(duì)象走路的姿勢(shì)進(jìn)行人的身份識(shí)別和認(rèn)證。與其他的生物識(shí)別特征相比，步態(tài)識(shí)別具有如下的優(yōu)點(diǎn)：一是具有非接觸遠(yuǎn)距離，非侵犯性；二是不易偽裝，在未察覺(jué)的情況下進(jìn)行采集，受環(huán)境影響小；三是與其他生物特征識(shí)別相比，對(duì)采集設(shè)備的要求低，不需要高精度、高分辨率的采集系統(tǒng)，比人臉識(shí)別、指紋識(shí)別更有優(yōu)勢(shì)，例如目前人臉識(shí)別技術(shù)受限于視頻質(zhì)量和拍攝角度；指紋、虹膜等生物認(rèn)證技術(shù)要求近距離或接觸性的感知(如指紋需要接觸指紋掃描儀等)；在黑夜中，步態(tài)識(shí)別能更大地發(fā)揮其作用。

子空間分析法因具有描述性強(qiáng)、計(jì)算代價(jià)小、易實(shí)現(xiàn)及可分性好等特點(diǎn)，被廣泛地應(yīng)用于步態(tài)特征提取，成為當(dāng)前生物特征識(shí)別的主流方法之一。主成分分析(PrincipleComponent Analysis,PCA)和線(xiàn)性判別分析作(Linear Discrimination Analysis，LDA)為兩種傳統(tǒng)的子空間學(xué)習(xí)的方法，適用于低維的壓縮表示和步態(tài)識(shí)別。隨著子空間學(xué)習(xí)方法的快速發(fā)展，最近提出的稀疏子空間學(xué)習(xí)方法因?yàn)榫哂腥缦绿匦员粡V泛關(guān)注：使用l₁范數(shù)學(xué)習(xí)理論與方法能得到稀疏特征選擇的功能，且在特征提取與識(shí)別方面具有很強(qiáng)的魯棒性。稀疏主成分分析(Sparse PCA，SPCA)算法使用l₁范數(shù)得到稀疏學(xué)習(xí)模型，該模型能夠使用稀疏性進(jìn)行特征選擇和達(dá)到降低維度的目的。截止到目前，基于稀疏子空間學(xué)習(xí)方法已經(jīng)應(yīng)用到很多領(lǐng)域，但是基于稀疏的步態(tài)識(shí)別算法研究才剛開(kāi)始，以及如何使用稀疏判別分析算法用于步態(tài)識(shí)別仍然無(wú)法很好的解決。