Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
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: 111,199,132
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;
S
ố:
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