买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明提供一种基于多分类器协同的步态识别方法及系统，包括：获取步态轮廓数据集，将步态轮廓数据分为训练集和测试集，分别提取训练集数据和测试集数据的非线性步态动力学特征；计算测试集的非线性步态动力学特征与训练集的非线性步态动力学特征之间基于非线性动力学差异的识别误差；根据计算所得的识别误差选择相应的分类器，将测试集的步态动力学特征输入到所选择的且经过训练的分类器中，实现步态识别。采用多种不同的分类识别机制应对不同步行条件下的步态数据分类识别任务，识别不易受到环境，识别率更加准确。

主权项：1.一种基于多分类器协同的步态识别方法，其特征在于，包括以下步骤：S1：获取步态轮廓数据集，将步态轮廓数据分为训练集和测试集，分别提取训练集数据和测试集数据的非线性步态动力学特征，包括：S1.1：从获取的步态轮廓数据集中提取人体行走图像序列，将人体行走图像序列数据分为训练集和测试集，对训练集和测试集的人体行走图像序列进行背景减除和形态学处理，获得训练集和测试集的人体行走的二值步态轮廓图；S1.2：基于训练集和测试集的人体行走的二值步态轮廓图，提取训练集和测试集的人体运动面积特征参数；S1.3：建立非线性动力学模型的神经网络，将训练集和测试集的人体运动面积特征参数输入非线性动力学模型的神经网络，提取训练集和测试集的以常值神经网络权值矩阵形式保存的非线性步态动力学特征；S2：计算测试集的非线性步态动力学特征与训练集的非线性步态动力学特征之间基于非线性动力学差异的识别误差；S3：根据计算所得的识别误差选择相应的分类器，将测试集的步态动力学特征输入到所选择的且经过训练的分类器中，实现步态识别；其中，根据计算所得的识别误差选择相应的分类器包括：当最小识别误差值ε取值在[0,0.1]区间时，选择包括Inception-v3深度学习神经网络、Resnet152深度学习神经网络和二层全连接网络的分类器；当最小识别误差值ε取值在0.1,0.5]区间时，选择包括Resnet152深度学习神经网络、长短期记忆网络和二层全连接网络的分类器；当最小识别误差值ε取值在0.5,1]区间时，选择包括VGG16深度学习神经网络、Resnet152深度学习神经网络、Inception-Resnet-v2深度学习神经网络和二层全连接网络的分类器；当最小识别误差值ε取值在1,3]区间时，选择包括VGG16深度学习神经网络、VGG19深度学习神经网络、Resnet152深度学习神经网络、Inception-Resnet-v2深度学习神经网络和五层全连接网络的分类器；当最小识别误差值ε取值在3,∞区间时，输出无法识别的步态识别结果。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于多分类器协同的步态识别方法及系统