累积足底压力图像的平移不变表示

人类可以通过不同的肢体运动和独特的地面反作用力来区分。累积足底压力图像是一个步态周期内的二维累积地面反作用力。尽管它包含压力空间分布信息和压力时间分布信息，但在作为行人识别的新生物特征投入实际应用时，会面临包括不同鞋类和噪声在内的若干问题。在本文中，受卷积深度信念网络在数字分类中成功应用的启发，我们提出了一种用于累积足底压力图像的分层平移不变表示。我们方法的关键贡献是判别性分层稀疏编码方案，该方案有助于学习有用的判别性高层视觉特征。基于累积足底压力图像的特征表示，我们开发了一个对三种不同鞋类和轻微局部形状变化具有不变性的行人识别系统。实验在一个包含来自118名受试者的超过2800张累积足底压力图像的公开数据集上进行。评估表明了所提出方法的有效性以及累积足底压力图像作为生物特征的潜力。