7、步态识别技术：多场景下的性能分析与预测

步态识别技术：多场景下的性能分析与预测

不同携带条件下的人类识别

多数投票策略

多智能体方法可提升进化过程的整体性能，其融合的前提是智能体的多样化。在相关方法中，智能体对应于伴随协同进化遗传编程（CGP）的贝叶斯分类器，遗传搜索的随机性自然提供了这种多样化。通过从不同初始种群开始进行多次遗传搜索，多个独立的遗传编程（GP）合成过程能为结果提供统计意义。每次运行都使用相同的GP参数，但初始种群是随机创建的特征合成程序。在分类时，采用多数投票策略作为决策规则，每次GP运行后的贝叶斯分类器作为投票智能体，为每个测试图像投票，最终取每个测试图像（步态能量图像，GEI）的多数投票结果。

实验结果

• 数据 ：实验使用南佛罗里达大学计算机视觉/图像分析研究实验室的数据，该数据集包含人类在椭圆路径上携带或不携带公文包行走的轮廓序列，分为两个活动类别。每个序列约有200 - 250帧，数据集包含470个不携带公文包和466个携带公文包的人的轮廓。所有轮廓大小归一化为88×128像素，形成GEI的一个周期内的轮廓数量为15 - 19个，一个序列中的GEI数量为5 - 14个，多数为10和11个。实验选取了小数据集和大数据集，小数据集每个序列仅选一个GEI，大数据集则选取每个序列的所有GEI，且两个数据集都随机等分为训练集和测试集。具体数据如下表所示：
  | 类别 | 总GEI数 | 训练GEI数 | 测试GEI数 |
  | ---- | ---- | ---- | ---- |
  | 小数据集 - 携带公文包 | 942 | 500 | 442 |
  | 小数据集 - 不携带公文包