鲁棒步态识别：角度特征与动态时间归一化

"这篇文章是华侨大学学报自然科学版在2010年1月发表的一篇关于步态识别的研究论文，作者是陈璇、吴清江和路远。论文主要探讨了利用累积角度特征和动态时间归一化（DTW）进行步态识别的方法，并在120人步态数据库上取得了良好的识别效果。" 本文主要研究的是步态识别技术，这是一种生物特征识别方法，通常用于身份验证或监控系统。步态识别的独特之处在于它不受个体的衣物、行走速度或相机角度变化的影响，因此具有很高的潜在应用价值。 在论文中，作者首先选择了累积角度特征作为步态的代表特征。这种特征被认为是鲁棒的，即它在不同条件下的表现稳定，不容易受到外界因素的干扰。通过对每个步态序列提取角度特征，构建了特征矩阵，这有助于保留步态的独特性。 接着，考虑到步态序列通常具有线性特征，作者采用了动态时间归一化(Dynamic Time Warping, DTW)技术。DTW是一种序列匹配算法，能够处理不同长度的时间序列，使其能够在步态周期的基础上进行有效匹配。通过DTW，可以计算两个步态序列之间的特征距离，即使这两个序列在时间轴上并不完全对齐，也能找到最佳匹配路径。 实验结果显示，所提出的算法具有快速和稳健的特性，尤其是在120人的步态数据库上，针对0°和90°两个不同视角的数据，该算法表现出较高的识别准确率。这一成果对于改进步态识别系统的性能和实用性具有重要意义。 此外，论文还引用了其他研究者的工作，如王亮等人利用NN分类、黄建新等人采用Kalman滤波器和自适应背景模型、陈彦通过PCA和ICA运算、柴艳妹等人提取目标区域面积和宽高比特征、田见光等人结合步态轮廓的高宽比和HMM、赵国英等人运用分形维数小波分析等，展示了步态识别领域的多样化研究方法。 这篇论文提出的累积角度特征与DTW相结合的方法，为步态识别提供了一种新的有效途径，尤其是在应对视角变化的挑战时。这种方法不仅在理论上有价值，而且在实际应用中也显示出了良好的潜力。