简介:针对单一特征步态识别率低的问题,提出一种将步态能量图(GaitEnergyImage,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(SupportVectorMachine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.
简介:大数据分析是检查具有各种类型的大量数据并快速生成以识别隐藏模式、未知相关性和其他有用信息的过程。在现代汽车集团的研发中心,有许多类型的机器能够以前所未有的规模生成数据。作者开发了一种名为VDMS的车辆信号采集设备。这种类型的传感器每天在大数据系统上存储超过1TB的数据。因此,分析不断增加的数据量和高速流传感器数据的能力是必不可少的。本文研究了传感器数据的分析方法,首先,建立了从信号数据相关性分析到分类模型的分析过程,并开发了针对信号优化的分析方法。另外,提出了一种将异常信号数据形成图案并检测特定图案的方法。