《结合形状序列与LTN的步态身份识别》

技术简介：

为提高现有基于智能手机加速度传感器的步态身份识别方法的性能,提出一种基于典型步态周期提取的身份识别方法。针对现有方法中存在的周期检测错误和周期间的相位偏差问题,采用形状上下文和线性时间归一化(linear time normalization,LTN)相结合的方法对步态周期做序列校准匹配,从中提取典型步态周期来表征整个步态,为检测该方法的性能,采集40个志愿者的步态数据,利用1NN分类算法完成身份识别。实验结果表明,SC-LTN算法的平均正确识别率达96%,验证该方法提取的典型周期能有效用于身份识别。

研发人员：郇战;陈学杰;万彩艳;吕士云;耿宏杨;