[发明专利]一种基于多线性均值成分分析的步态识别方法

摘要

本发明提供了一种基于多线性均值成分分析的步态识别方法，训练阶段，对线性插值后的半个周期步态序列图像通过以下算法进行降维处理，并训练得到算法的投影变换矩阵：通过广义张量分析将半个周期步态序列图像投影到一个低维的多线性子空间中；采用多线性均值成分分析做进一步特征提取；采用线性判别分析使得训练的张量样本最终投影到低维的向量空间中。识别阶段，待识别的半个周期步态序列图像样本经过广义张量分析、多线性均值成分分析算法训练得到的变换矩阵在张量空间中两次投影，再经过线性判别分析算法训练得到的变换矩阵在向量空间中投影，识别时在向量空间中采用最近邻分类器。本发明可提高步态识别的准确性，且在不同环境下的鲁棒性强。

主权项

一种基于多线性均值成分分析的步态识别方法，其特征是，包括训练和识别阶段；所述训练阶段，对线性插值后的半个周期步态序列图像依次通过以下三种算法进行降维处理，并训练得到三种算法的投影变换矩阵：首先，通过广义张量分析将半个周期步态序列图像投影到一个低维的多线性子空间中；然后，采用多线性均值成分分析做进一步特征提取；最后，采用线性判别分析使得训练的张量样本最终投影到低维的向量空间中；所述识别阶段，待识别的半个周期步态序列图像样本经过广义张量分析、多线性均值成分分析算法训练得到的变换矩阵在张量空间中两次投影，再经过线性判别分析算法训练得到的变换矩阵在向量空间中投影，识别时在向量空间中采用最近邻分类器；所述训练阶段，采用多线性均值成分分析做进一步特征提取，具体步骤如下：令训练样本集经广义张量分析投影后的张量集合用表示，其中，表示第m个样本经广义张量分析投影后的张量，为张量的“n‑模式”的维数；所述多线性均值成分分析的目标就是求得一组多线性变换矩阵将张量空间映射到中，表示投影后的张量，其中m＝1,…,M。