基于耦合神经网络的步态识别方法

主流步态识别过程中识别率易受到视角变化的影响,使用耦合网络模型解决最小类间距离大于最大类内距离的问题,利用步态样本比对解决识别问题。用二值图像序列合成步态能量图,联合使用逻辑回归与对比损失函数对模型进行训练优化,实验验证耦合神经网络的步态识别性能,并与普通卷积神经网络模型（CNNs）的识别结果进行对比。在背包与大衣遮挡情况下的识别率达到73.7％和60.5％,高于CNNs的识别率,并提高了遮挡情况下步态识别精确度。     

一种仿瓢虫六足机器人设计

通过对瓢虫身体结构和行走方式的模拟,提出了一种六足机器人结构,进行了步态设计和仿真,研制了六足机器人实物样机。仿真实验证明了所提机器人结构和步态设计的合理性。