基于Fisher张量分解的步态识别方法

         本项工作提出了一种简化的Tucker分解方法，该方法对从步态视频序列中提取的密集局部时空特征进行处理。不同于人体轮廓特征，局部时空特征在人体行为识别问题上体现了很强的优势，对推动步态身份在现实世界的应用有很大的潜力。我们采用Fisher特征将时空特征表示成张量。这些张量仍然包含冗余信息，因此我们利用张量分解方法将其投射到一个低维空间。降维张量空间的维度可以通过保留原始张量的一部分能量进行自动计算。步态特征可以从降维后的“核心”张量进行提取，我们根据每个特征对步态识别的相关程度对其进行排名。我们将本项工作中提出的方法在USF和INIST步态数据库上进行验证，实验结果表明提出的方法可以与目前最好的方法相媲美。