11、基于运动学的3D空间人员跟踪与识别技术解析

基于运动学的3D空间人员跟踪与识别技术解析

1. 识别性能分析

在对识别指标进行分析时，采用了方差分析（Anova）方法，针对南安普顿室内和室外数据集开展性能评估，涉及数据库AS和室外数据库E。通过累积匹配特性曲线（如图6.7所示），可以得到排名为1时的正确分类率（CCR）。室内数据集的CCR约为84%，而室外数据集为64%，这反映出室外数据的复杂性更高。

数据集	正确分类率（CCR）
室内数据集	约84%
室外数据集	64%

对效能的分析表明，F统计量越高，判别能力越强，排名也越高，这与轮廓测量的效能分析类似。系统的大部分判别能力源自步态频率（步频）和一些静态形状参数。不过，这些形状参数高度依赖于穿着，这可能限制仅基于这些参数进行识别的实用性。部分方法仅使用少量静态参数或步频就能实现良好的识别能力，上述结果在一定程度上解释了这一现象。与室内数据集相比，室外数据集的判别能力显著下降，这是由于提取精度较低，但利用这些数据仍有很大的识别潜力。进一步的分析通过蛇形提取方法改进了提取效果，提升了识别能力。

2. 基于Condensation的模型人员跟踪

提出了一种在Condensation框架下，基于人体模型和运动模型的有效跟踪行走人体的方法。Condensation框架具有处理杂波和信息融合的优势