线性插值张量步态识别算法：提升识别效率的新途径

"基于线性插值的张量步态识别算法.pdf" 本文研究了一种创新的步态识别方法，即基于线性插值的张量步态识别算法。该算法针对步态识别中的一个重要问题，即如何使得不同长度的步态序列能够进行有效的匹配和比较。在实际应用中，由于各种因素，测试步态序列的长度可能与已注册的步态模板不一致，这给识别带来了挑战。为解决这个问题，研究者提出将步态序列通过线性插值技术进行处理，使其维数归一化到特定值，从而确保所有样本具有相同的维度。 首先，论文介绍了线性插值的概念。线性插值是一种简单的插值方法，用于在两个或多个数据点之间创建新的、连续的数据点。在步态识别中，它被用来在相邻步态帧之间插入新的帧，使每个步态序列长度统一。这一过程确保了所有步态样本都能被表示为具有固定维数的张量，有利于后续的计算和分析。 接着，论文探讨了张量表达在步态识别中的应用。张量是一种多维数组，可以更有效地捕获和表示复杂数据的结构和关系。在这里，每个步态序列被表示为一个张量，张量的每一维对应于步态序列的一个特定帧，这样可以保留步态动态变化的信息。 为了分析这些张量，研究人员采用了多重线性主成分分析（MLPCA）算法。MLPCA是主成分分析（PCA）的一种扩展，旨在从多维数据中提取最有用的信息，同时考虑各个维度之间的相关性。在CASIA B步态数据库上进行的实验表明，选择一个完整周期的步态张量作为识别单元比选择半个周期的效果更好。这可能是由于一个完整的步态周期包含了更多的动态信息，如起始、行走和结束阶段，这些都对步态识别至关重要。 实验结果证实了该方法的有效性，表现出令人鼓舞的识别性能。这表明基于线性插值的张量步态识别算法在步态识别领域具有潜在的应用价值，尤其是在智能监控、生物识别和安全领域。同时，这种方法也为未来的研究提供了新的思路，比如如何优化插值策略以提高识别精度，以及如何结合其他机器学习和深度学习技术进一步提升步态识别的性能。 关键词：步态识别，线性插值，张量表达，多重线性主成分分析 中图分类号：TP391.41 文献标志码：A 文章编号：1001-3695(2012)01-0355-04 doi：10.3969/j.issn.1001-3695.2012.01.098 Tensor Gait Recognition Algorithm Based on Linear Interpolation BEN Xianye1,2, AN Shi1, WANG Jian1, WANG Kejun3 (1.School of Transportation Science & Engineering, Harbin Institute of Technology, Harbin 150090, China; 2.School of Information Science & Engineering, Shandong University, Jinan 250100, China; 3.School of Automation, Harbin Engineering University, Harbin 150001, China) 该论文由贲晛烨、安实、王健和王科俊共同完成，他们在步态识别、智能交通系统和模式识别与智能系统等领域有深入研究。该研究工作得到了中国博士后科学基金面上资助项目的资金支持。