第6卷第1期 智能系统学报 Vol.6 No.1 2011年2月 CAAI Transactions on Intelligent Systems Feb.2011 doi:10.3969/j.issn.16734785.2011.01.008 核方法的对比研究及在步态识别中的应用 贲晛烨，王科俊2，刘海洋1 (1.哈尔滨工业大学交通科学与工程学院，黑龙江哈尔滨150090：2.哈尔滨工程大学自动化学院，黑龙江哈尔滨 150001) 摘要：为了提高步态识别问题的识别性能，将“核技巧”应用到步态识别上，对核二维线性判别分析提出新的解决 方案，在自建的HEU(B)步态数据库上，应用核主成分分析、核线性判别分析、核二维主成分分析与核二维线性判别 分析进行特征提取作对比实验研究.实验结果显示：“核技巧”用于矩阵特征比向量更有效；核二维主成分分析对于 单训练样本较核主成分分析更为有效；核二维线性判别分析在测试识别时间上有优势。 关键词：步态识别：核主成分分析：核线性判别分析：核二维主成分分析：核二维线性判别分析 中图分类号：TP391.41文献标识码：A文章编号：16734785(2011)01-006305 A comparative study on kernel methods and their applications to gait recognition BEN Xianye',WANG Kejun2,LIU Haiyang (1.School of Transportation Science and Engineering,Harbin Institute of Technology,Harbin 150090,China;2.College of Automa- tion,Harbin Engineering University,Harbin 150001,China) Abstract:A kernel trick was applied to gait recognition in order to improve recognition performance.A novel solu- tion was proposed for kerel two dimensional linear discriminant analysis.Feature extraction,which makes use of kernel principal component analysis(KPCA),kernel linear discriminant analysis(KLDA),kernel two dimension- al principal component analysis(K2DPCA),and kernel two dimensional linear discriminant analysis(K2DLDA), was performed for contrasting experiments in HEU(B)'s locally built gait database.The experimental results dem- onstrate that a kemel trick applied to a matrix form is more efficient than in vector form.K2DPCA outperforms KP- CA significantly with a single sample per person,and K2DLDA has the advantage of less time spent on recognition testing. Keywords:gait recognition;kernel principal component analysis (KPCA);kernel linear discriminant analysis (KLDA);kemnel two dimensional principal component analysis(K2DPCA);kernel two dimensional linear dis- criminant analysis (K2DLDA) 在政府部门、军队的涉密场所等，必须严格掌握外广大科研工作者的研究热情 人员进出的情况，大多数时间还需要识别远处活动 步态特征的选择和提取是步态识别工作的重 人员的身份.此时，人脸、虹膜、指纹等生物特征，以 点.步态识别问题从机器视觉的角度来分类大致分 及证件、密码等信息特征不再适用，而步态作为有效 为基于模型23]和非模型46方法.非模型的方法可 的生物特征能够用低分辨率设备从远距离进行身份 以利用统计模式识别方法进行特征提取：主成分分 识别，具有非接触、不唐突的明显优势.步态识别在 析(principal component analysis,PCA)结合线性判 门禁系统、安全监控、人机交互、医疗诊断等领域具 别分析(linear discriminant analysis,LDA)[],核主 有广泛的应用前景和经济价值口，因此激发了国内 成分分析(kernel PCA,KPCA)[],核线性判别分析 (kernel LDA,KLDA)I91,二维主成分分析(wodi- mensional PCA,2DPCA)Io.在人脸识别研究领 收稿日期：2010-0909. 基金项目：国家“863”计划资助项目(2008AA01Z148) 域，二维线性判别分析（two dimensional LDA, 通信作者：贲明烨.E-mail:benxianyeye(@163.corm. 2DLDA)[2I、核二维主成分分析(kernel2DPCA