改进KNN算法对人体身份的识别

来源：计算机工程与应用杂志2019年第11期北京时间：

作者：连天友，余 勤

单位：四川大学 电气信息学院，成都 610065

摘要：为了理解特征学习过程、减少数据存储和提高识别率，提出使用Kinect v2的面部数据和骨骼数据作为数据集和一种改进KNN算法对人体身份的识别。使用Kinect v2提取出人体脸部特征点和骨骼关节点的三维位置信息，通过提取出的特征点的坐标计算出理解性强的特征信息如眼宽、臂长等。利用一种改进的截断均值聚类方法，通过排序把奇异值分布到数据集两端，截取数据集中间特征以抑制奇异值，利用基于匹配识别准确度的改进KNN算法对人体身份进行预测。实验结果表明提出的聚类方法匹配识别准确度更高，改进的分类方法也提高了识别的准确率。

关键词：人体身份识别,脸部数据,骨骼数据,排序截断均值法,匹配识别准确度