基于聯(lián)合多特征字典稀疏表示的步態(tài)識別算法

　　步態(tài)識別是運(yùn)用步態(tài)的普遍唯一性，通過提取人走路過程中步態(tài)特征，經(jīng)過分類識別，最終實(shí)現(xiàn)辨別人物身份，達(dá)到分析行為特征的目的。一般包括輪廓檢測、特征分析、分類識別三個主要研究步驟。其中特征提取是步態(tài)識別的關(guān)鍵環(huán)節(jié)，特征提取的好壞對最終識別率影響很大。步態(tài)特征的提取方法主要分為基于模型與基于整體兩種方式。典型的基于模型的特征處理有鐘擺模型、棍狀模型和橢圓模型?；谀Ｐ偷奶卣魈崛τ谡趽鹾驮肼曈休^強(qiáng)的魯棒性，但計(jì)算量大，對序列變化敏感度高，難以實(shí)現(xiàn)實(shí)時處理?；谡w的特征提取也稱為基于全局的特征提取，無需建立先驗(yàn)?zāi)Ｐ?，而是通過分析目標(biāo)動態(tài)變化與輪廓信息提取合適的特征，相對基于模型的特征提取實(shí)時性好，但對于視角和服飾變化等魯棒性較差。N．V．Boulgouris等人采用隨機(jī)變換提取單幀特征，并使用LDA對周期累計(jì)特征矢量進(jìn)行降維。Dong Xu等人提出一種新的局部分布式特征（PDF），他們將每幀動態(tài)能量圖（GED表示為局部增量Gabor特征組，將其從5個尺度和8個方向組合為新特征矢量。Mohan Kumar HP等人提出變式能量圖（CEI），將特征值重構(gòu)為區(qū)間值，通道隨機(jī)變換提取判決特征，實(shí)驗(yàn)表明該特征對于穿衣、背包等變化具有良好的識別魯棒性。