[发明专利]基于多特征属性的多类别Bagging步态识别方法

权利要求书

1.一种基于多步态特征属性的多类别Bagging步态识别方法，其特征在于，步骤如下：

步骤一、预处理

对已经背景分离的人体运动目标图像依次进行形态学处理、目标提取、以及图像归一化处理；

步骤二、特征提取

经过步态周期的检测，建立步态能量图，将步态能量图作为不同步态序列的代表，利用WPD+(2D)²PCA方法计算20个特征的识别率；

步骤三、分类识别

选择步骤二中识别率大于等于50％的特征作为待重抽样的原始特征集合Attribute Set，利用MCAB算法对测试样本进行最终识别；具体如下

(1)在MCAB算法中，首先需要对原始训练实例的属性集合进行n次有放回的重抽样，n为经过步骤二后识别率大于等于50％的属性个数，这n属性可能会出现多次，有的可能一次也不会出现，由这n个属性构成新的训练实例，再由这些新的训练实例构造弱分类器；

(2)利用MCAB算法进行分类识别

i：确定重抽样属性的个数n，确定迭代次数T；其中n为识别率大于等于50％的属性的个数，T取值为10～100；

ii：For t＝1∶T执行以下3步；

a)：从Attribute Set中重抽样n个属性得到属性集A_t，对训练集S中的每个样本，只取A_t中的属性，得到新的属性S_t；

b)：在属性S_t上用1NN算法训练出基分类器h_t(x)→Y；

c)：计算权值

a1=12ln|1+r11-r1|]]>

其中，r_t＝h_t(x)正确分类的个数减去h_t(x)错误分类的个数；

iii：对于任意测试样本x，集成分类器H(x)为：

H(x)=argmaxy∈YΣt:h(x)=yat||ht(x)=y||]]>

其中，Y为类别集合，y∈Y；t为迭代次数，取值为1...T。

2.根据权利要求1所述的基于多步态特征属性的多类别Bagging步态识别方法，其特征是，所述的步态能量图的提取步骤如下：

在进行步态周期检测之后，通过对一个周期内的步态序列图像处理生成的步态能量图为：

G(x,y)=1N1Σt=1N1Bt(x,y)]]>

式中，G(x，y)是这个周期序列的步态能量图，N₁是完整步态周期序列的长度，B_t(x，y)是一个周期中的第t个步态图像，x，y代表二维图像平面坐标。