基于联合多特征字典稀疏表示的步态识别算法

　　步态识别是运用步态的普遍唯一性，通过提取人走路过程中步态特征，经过分类识别，最终实现辨别人物身份，达到分析行为特征的目的。一般包括轮廓检测、特征分析、分类识别三个主要研究步骤。其中特征提取是步态识别的关键环节，特征提取的好坏对最终识别率影响很大。步态特征的提取方法主要分为基于模型与基于整体两种方式。典型的基于模型的特征处理有钟摆模型、棍状模型和椭圆模型。基于模型的特征提取对于遮挡和噪声有较强的鲁棒性，但计算量大，对序列变化敏感度高，难以实现实时处理。基于整体的特征提取也称为基于全局的特征提取，无需建立先验模型，而是通过分析目标动态变化与轮廓信息提取合适的特征，相对基于模型的特征提取实时性好，但对于视角和服饰变化等鲁棒性较差。N．V．Boulgouris等人采用随机变换提取单帧特征，并使用LDA对周期累计特征矢量进行降维。Dong Xu等人提出一种新的局部分布式特征（PDF），他们将每帧动态能量图（GED表示为局部增量Gabor特征组，将其从5个尺度和8个方向组合为新特征矢量。Mohan Kumar HP等人提出变式能量图（CEI），将特征值重构为区间值，通道随机变换提取判决特征，实验表明该特征对于穿衣、背包等变化具有良好的识别鲁棒性。