Gait Recognition Based on the Fusion of Multiple Classifiers
多分类器信息融合的步态识别算法

融合运动人体整体轮廓和局部关节的特征信息，提出了一种新的步态识别算法。对每个序列进行运动轮廓抽取，从3个方向(水平、垂直、斜向)对时变的2维轮廓进行投影扫描，转换为对应的特征向量；对级联的特征向量分别采用离散正交小波变换(DWT)和核主元分析法(KPCA)提取轮廓时空变化所蕴涵的非线性步态信息，构成两个独立的全局特征分类器。对运动人体髋关节和膝关节建模，根据步态运动的准周期性，将关节角度时序信息按傅里叶级数形式展开，采用遗传算法搜索各次谐波的系数并进行尺度变换，生成局部关节时变特征向量，构成局部特征分类器。最后采用贝叶斯多分类器融合决策规则，融合整体和局部特征。在CMU步态数据库中进行实验，结果验证了算法的有效性，识别性能和验证性能都获得有效的提高。