5、基于环境上下文和视角无关的步态人体识别技术

基于环境上下文和视角无关的步态人体识别技术

1. 不同方法在轮廓序列上的识别性能比较

在人体识别领域，对于不同的识别方法在轮廓序列上的性能评估至关重要。以下是不同方法在轮廓序列版本 1.7 上的识别性能（排名 5）比较：
| 方法 | USF | CMU | UMD | 我们的方法 - 真实 | 我们的方法 - 合成 | 我们的方法 - 融合 |
| — | — | — | — | — | — | — |
| A | 96% | 100% | 100% | 100% | 99% | 100% |
| B | 80% | 90% | 90% | 85% | 90% | 93% |
| C | 76% | 83% | 90% | 88% | 88% | 93% |
| D | 61% | 59% | 65% | 55% | 70% | 79% |
| E | 52% | 50% | 65% | 55% | 69% | 69% |
| F | 45% | 53% | 60% | 41% | 58% | 70% |
| G | 33% | 43% | 50% | 48% | 66% | 67% |

从这个表格中可以看出，我们提出的融合方法在大多数情况下都取得了较好的性能。真实特征分类器在 A、C（仅排名 1）、E 和 G 中的排名 1 和 5 性能优于其他方法，在 B、D 和 F 中略差。合成特征分类器在几乎所有实验中的排名 1 和 5 性能都优于其他方法，但在 A 和 B 中略逊于 UMD HMM 方法。

2. 基于环境上下文的人体识别

2.1 传统生物识别范式的局限性