基于连续HMM的步态识别：95%以上识别精度

该研究论文深入探讨了"基于连续隐马尔科夫模型的步态识别"这一主题，发表于2005年的《应用科技》期刊，第32卷第2期，作者是洪文、黄凤岗和苏菡，来自哈尔滨工程大学计算机科学与技术学院。步态识别作为生物特征识别技术的一种，近年来在计算机视觉领域受到了广泛的关注。论文的核心内容主要集中在以下几个方面： 1. 步态检测：在静态背景下，研究者对步态检测技术进行了研究，这是步态识别的第一步，它涉及到了如何从复杂的环境中准确捕捉和分析人体的行走模式。 2. 人体检测：通过先进的图像处理技术，论文探讨了如何从背景中有效地分离出人的轮廓，这有助于提高后续步态特征提取的精度。 3. 轮廓特征提取：作者提出了针对步态的特定特征提取方法，可能包括了诸如关节角度、步长、步频等关键参数，这些特征能够唯一地代表个体的步态特性。 4. 连续隐马尔可夫模型的应用：这是论文的创新点，作者将连续隐马尔科夫模型（Continuous Hidden Markov Model，简称CHMM）引入步态识别，这是一种统计建模方法，能够有效地处理序列数据，如步态序列，以实现连续性特征的建模和识别。 5. 识别与分类：基于所提取的特征和CHMM模型，论文实现了对人体身份的识别和分类，旨在通过步态数据辨认个体，实验结果显示在小规模数据库上的识别率超过了95%，显示出该方法的有效性和可行性。 6. 关键词：论文的关键术语包括生物特征识别、步态识别、连续隐马尔科夫模型和背景减除，这些都是论文研究的核心内容，也是计算机视觉和模式识别领域的热点词汇。 这篇研究论文为步态识别技术提供了一种新颖而有效的算法，对于计算机视觉和生物特征识别领域具有重要意义，展示了将连续隐马尔科夫模型应用于步态识别的实际应用潜力。