22、远距离人脸与步态特征级融合识别技术解析

远距离人脸与步态特征级融合识别技术解析

在生物识别领域，融合多种生物特征进行识别可以提高识别的准确性和可靠性。本文将详细介绍一种远距离人脸与步态特征级融合的识别方法，包括相关工作对比、技术方法、实验结果等内容。

1. 相关工作对比

为了更好地理解本文提出的方法，先来看一下之前相关工作的情况，具体如下表所示：
| 作者 | 模态 | 融合方法 | 数据 |
| — | — | — | — |
| Kale 等 | 正面人脸和步态 | 分层融合和 Sum/Product 规则 | 30 个受试者（每人序列数量未指定），静态图像作为人脸图库 |
| Shakhnarovich 等 | 正面人脸和步态 | - Sum 规则 [154]
- Min、Max、Sum 和 Product 规则 [153] | - 12 个受试者，每人 2 到 6 个序列 [154]
- 26 个受试者，每人 2 到 14 个序列 [153] |
| Zhou 等 | - 侧面人脸和步态 [207, 209]
- 人脸轮廓和步态 [211] | - MDA 和 PCA 组合方法后的特征拼接 [207]
- Sum、Product 和 Max 规则 [209]
- 分层融合、Sum 和 Product 规则 [211] | - 46 个受试者，每人 2 个序列 [207]
- 45 个受试者，每人 2 到 3 个视频 [209]
- 14 个受试者，每人 2 个序列 [211] |
| 本文方法 | 侧面人脸和步态 | 侧面人脸和步态基于 PCA 特征拼接后的 MDA | 45 个人，每人 2 到 3 个