针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理...针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理增强识别技术(gait model-key point recognition and extraction,GM-KPRE)提取人体关键点信息,在支持向量机算法中引入径向基函数核进行步态分类和识别;在公开数据集CASIA-B和Market-1501-v15.09.15上进行实验验证,实验结果表明,算法能有效提高步态识别准确率和效率。展开更多
针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映...针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映射跟随者的关系,增强算法全局寻优的能力,在追随者进化过程中集成自适应权重ω,以实现算法探索和开发的平衡;同时选用黄金正弦算法变异进一步提高解的精度。其次,对12个基准函数进行仿真求解,实验数据表明平均值、标准差、Wilcoxon检验和收敛曲线均优于基本樽海鞘群和其他群体智能算法,证明了所提算法具有较高的寻优精度和收敛速度。最后,将BAGSSA应用于移动机器人路径规划问题中,并在两种测试环境中进行仿真实验,仿真结果表明,改进樽海鞘群算法较其他算法所寻路径更优,并具有一定理论与实际应用价值。展开更多
文摘针对步态识别过程易受拍摄视角、外观变化等因素影响问题,提出一种融合点云步态模型与深度学习的步态识别算法。算法通过轻量级特征描述符(lightweight feature descriptor,LFD)提取图像特征,并将其进行特征配准;基于几何-匹配核预处理增强识别技术(gait model-key point recognition and extraction,GM-KPRE)提取人体关键点信息,在支持向量机算法中引入径向基函数核进行步态分类和识别;在公开数据集CASIA-B和Market-1501-v15.09.15上进行实验验证,实验结果表明,算法能有效提高步态识别准确率和效率。
文摘针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映射跟随者的关系,增强算法全局寻优的能力,在追随者进化过程中集成自适应权重ω,以实现算法探索和开发的平衡;同时选用黄金正弦算法变异进一步提高解的精度。其次,对12个基准函数进行仿真求解,实验数据表明平均值、标准差、Wilcoxon检验和收敛曲线均优于基本樽海鞘群和其他群体智能算法,证明了所提算法具有较高的寻优精度和收敛速度。最后,将BAGSSA应用于移动机器人路径规划问题中,并在两种测试环境中进行仿真实验,仿真结果表明,改进樽海鞘群算法较其他算法所寻路径更优,并具有一定理论与实际应用价值。
