Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 106,966,340

 Cyclic HMM-based Method for Pathological Gait Recognition from Side View Gait Video
Tác giả hoặc Nhóm tác giả: Hoang Xuan Hai, Hoang Le Uyen Thuc
Nơi đăng: International Journal of Advanced Research in Computer Engineering & Technology; Số: volume 4, issue 5;Từ->đến trang: 2171-2176;Năm: 2015
Lĩnh vực: Khoa học công nghệ; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
ABSTRACT
The analysis of human gait has become a popular and dynamic research on computer vision. An important application of gait analysis is to early detect the gait abnormalities, which may be caused by some diseases. In this paper, we present a video-based method to recognize common pathological gaits of the elderly such as ataxic, hemiplegic, limping, neuropathic, and Parkinson. There are three main processing steps in the system. In the first step, from each frame of the side view gait video sequence, we first separate the walking person from the background using adaptive background Gaussian Mixture Model. In the second step, we convert the extracted object into a seven-dimensional feature vector based on Hu’s moments. In the final step, we analyze those extracted features to recognize different abnormal gaits using Cyclic Hidden Markov Model (CHMM). The Cyclic HMMs are trained with different values of parameters in order to achieve the best reliable recognition model for each disease. Experimental results on simulated abnormal gait database indicate the good performance of the proposed method in terms of low complexity and high recognition rate (about 83% for recognition and 93% for detection task).
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn