Выбор способов формирования признаков PCA и подбор параметров SVM-классификатора для идентификации личности по походке

Abstract

В работе представлены результаты продолженных исследований c применением метода главных компонент (PCA) и машины опорных векторов (SVM) для идентификации личности по походке. В рамках экспериментальных исследований с использованием базы данных CASIA GAIT проведено сравнение схем работы с входными данными метода главных компонент. По результатам экспериментов дана оценка способам формирования признакового пространства и определены наиболее эффективные параметры классификатора SVM. Проведена классификация видеопоследовательностей, регистрируемых видеокамерами, расположенными фронтально, под углом и ортогонально направлению движения объектов. The paper presents the results of continued research of the principal component analysis (PCA) and support vector machine (SVM) techniques for person identification by gait. The experimental studies performed using the CASIA GAIT dataset allowed us to compare the schemes of work with input data for PCA. According to the results of experiments, the optimal method of forming the feature space and the most effective parameters of the SVM-classifier were selected. The classification of video sequences recorded by video cameras located frontally, at an angle and orthogonal to the direction of objects movement was carried out.