基于最大间隔准则学习步态识别的鲁棒特征
计算机视觉与模式识别
2022-12-09 v6
摘要
在基于动作捕捉数据的步态识别领域，设计人类可解释的步态特征是许多同行研究人员的常见做法。为了避免临时性方案并寻找最具区分性的特征，我们可能需要探索超越人类可解释性的极限。本文通过一种机器学习方法直接从原始关节坐标中提取鲁棒的步态特征，推动了当前 state-of-the-art 的发展。这些特征通过结合最大间隔准则对线性判别分析进行修改来学习，使得身份标识得到最大程度的分离，并结合适当的分类器用于步态识别。在 CMU MoCap 数据库上的实验表明，在以四个类可分性系数表示的各自特征空间中生物特征模板的分布方面，该方法优于其他八种相关方法。附加实验表明，该方法是基于排名的分类器系统的领先概念。
引用
@article{arxiv.1609.04392,
title = {Learning Robust Features for Gait Recognition by Maximum Margin Criterion},
author = {Michal Balazia and Petr Sojka},
journal= {arXiv preprint arXiv:1609.04392},
year = {2022}
}
备注
Preprint. Full paper published at the 23rd IEEE/IAPR International Conference on Pattern Recognition (ICPR), Cancun, Mexico, December 2016. 6 pages