论文研究基于LBP和HOG特征分层融合的步态识别.pdf

针对步态能量图（GEI）在提取人体信息时只描绘出了轮廓信息，而丢失了内部特征的局限性，提出一种基于人体目标图像的局部二值模式（LBP）与方向梯度直方图（HOG）分层融合的GEI识别算法。该算法步骤包括：首先用光流法提取步态周期，获得一个周期的步态能量图（GEI）；然后分三层提取GEI的LBP特征，得到三层的LBP图像；依次提取每层LBP图像的HOG特征，最后将每层提取的LBP和HOG特征融合，得到每层的新特征；最后将三个新特征依次融合成可以用于识别的最终特征。通过几种方法对CASIA和USF步态数据库的实验对比，提出的算法取得了更高的识别率。