ICME2014-MULTI-VIEW GAIT RECOGNITION WITH INCOMPLETE TRAINING DATA

主要思想：视角转换模型VTM基础上，考虑了如果缺少部分训练样本（比如视角1中存在的个体样本，在视角2中缺少了），提出了视角特征恢复模型VFRM，然后使用已有的VTM去识别多视角步态。
    VFRM使用了同一视角下的K近邻样本来恢复，这个K近邻指的是测地距离（使用Dijkstra方法计算距离）


1.Introduction
仍然是worapan提到的3种分类方法实现多视角步态识别。本文属于VTM这一类，指出现有缺点，本文主要特色就是考虑缺失样本情况下的多视角
2.VTM Based GAIT RECOGNITION
2.1Gait Feature Extraction  :
    GEI+LDA
2.2View transformation model construction
2.3 Gait Similarity Measurement


3.VFRM BASED Gait Recognition with imcomplete training data
3.1  Geodesic distances based K-nearest-neighbor
   K近邻，距离越近，权值越重
3.2 Pedestrians neighborhood measurement
     距离的计算： 视角相差越小，权值越大。      Dij=  sum(sum(w*dij [Vi,Vj]))遍历各个视角，任意两个视角下 i,j的距离。dij非零。
      【PS:如果这种情况，任意两个视角下，i样本与j样本不同时存在，则Dij不能计算出来，这个时候怎么办？】
4.EXPERIMENTS
5. CONCLUSIONS