8、步态识别算法实验结果与分析

步态识别算法实验结果与分析

1. Procrustes形状分析

1.1 处理流程

为验证所提算法的有效性，使用CASIA数据库进行了一系列实验。对于每个序列，首先进行运动分割，将其转换为二维空间中具有相关配置的形状表示序列（向量维度设为360），进而得到相关的平均形状。为避免行走方向对识别性能的影响，对行走方向进行预归一化，例如将所有侧视图序列从右向左翻转。此外，使用同一视角下同一受试者序列的平均形状的类平均值作为该类的样本，以避免选择单一随机参考样本。

从图中可以看出，同一受试者的特征形状变化很小，而不同受试者之间的变化更为显著，这表明平均形状在识别个体方面具有相当大的判别能力。具体处理流程如下：

graph LR
    A[运动分割] --> B[转换为形状表示序列]
    B --> C[得到平均形状]
    C --> D[预归一化行走方向]
    D --> E[计算类平均作为样本]

1.2 实验结果与分析

1.2.1 分类方法

尝试了三种分类方法：
- NN测试 ：每个序列被分类为其最近邻的类别。
- kNN测试（k = 3） ：找到三个最近邻，选择多数所属的类别；如果没有多数，则选择最近邻。
- 样本方法（ENN） ：将序列分类为其最近邻样本的类别。

1.2.2 识别性能评估

使