基于联合多特征字典稀疏变数的步态识别算法

　　现有的步态识别算法多采用模型特征或整体特征进行单一特征提取，在多视角等实际情况中算法鲁棒性较差、识别率较低。针对这一问题，本文提出了一种基于联合多特征字典稀疏表示的步态识别算法。该算法选择三种不同粒度的特征：均值形状PMS、步态能量图GEI与自建特征·区域面积序列RAS，构建特征训练字典并对特征样本进行多任务联合稀疏表示，最后通过计算最小累计残差得到测试样本类别，实现特征层融合。实验结果表明，相比单一特征提取与识别，所采用的多特征联合识别方法识别率更高，且在多视角下具有一定鲁棒性，实现了特征之间的信息互补。