基于人體寬度特征的步態(tài)識(shí)別.pdf

1、步態(tài)識(shí)別是近年來越來越多的研究者所關(guān)注的一種較新的生物認(rèn)證技術(shù)，它是通過人的走路方式來識(shí)別人的身份的方法。在應(yīng)用領(lǐng)域，類似于人臉識(shí)別，它要解決識(shí)別和檢驗(yàn)兩類問題。在識(shí)別問題中，給出未知身份人的步態(tài)，在數(shù)據(jù)庫中搜尋與之匹配的人的步態(tài)，從而確認(rèn)人的身份；在檢驗(yàn)問題中，需要步態(tài)識(shí)別算法對(duì)已假定的某人的身份作出判定，即接受或拒絕所假定的身份。 步態(tài)識(shí)別作為一種生物認(rèn)證技術(shù)，具有其它生物認(rèn)證技術(shù)所不具有的獨(dú)特優(yōu)勢(shì)，即在遠(yuǎn)距離或低視頻質(zhì)量情

2、況下的識(shí)別潛力，且步態(tài)難以隱藏或偽裝等。 步態(tài)識(shí)別主要是針對(duì)含有人的運(yùn)動(dòng)圖像序列進(jìn)行分析處理,通常包括運(yùn)動(dòng)檢測(cè)、特征提取與處理和識(shí)別分類三個(gè)階段。它在虛擬現(xiàn)實(shí)，視覺監(jiān)控，感知接口中均有著廣泛的應(yīng)用前景。圍繞著步態(tài)識(shí)別這個(gè)主題，本文主要探討了視覺分析中步態(tài)圖像序列的檢測(cè)（特別是對(duì)步態(tài)圖像的預(yù)處理部分），特征提取和分類識(shí)別等相關(guān)問題，并總結(jié)了當(dāng)前步態(tài)識(shí)別國(guó)內(nèi)外的研究現(xiàn)狀和常用的處理方法。 首先，簡(jiǎn)要論述了步態(tài)識(shí)別技術(shù)，評(píng)述前

3、人在步態(tài)識(shí)別領(lǐng)域的一些研究方法和途徑。并扼要介紹步態(tài)識(shí)別采用的理論和方法，及其研究現(xiàn)狀和進(jìn)展。 其次，研究了步態(tài)特征提取方法。首先采用差分法提取人體輪廓，通過后處理，提取關(guān)鍵幀輪廓。然后將這些時(shí)變的二維輪廓形狀轉(zhuǎn)化為對(duì)應(yīng)的一維寬度向量，并把人體輪廓的寬度向量作為步態(tài)特征。 然后，應(yīng)用主成分分析(PCA)進(jìn)行特征提取和壓縮。直接以寬度向量做識(shí)別向量則維數(shù)很高，數(shù)據(jù)量龐大，且處理起來十分困難，必須進(jìn)行降維。選擇不同的主元數(shù)，

4、結(jié)果不同。本文中，主元數(shù)分別選取20、30、40作對(duì)比分析，發(fā)現(xiàn)當(dāng)主元選擇30時(shí)可以取得最好的結(jié)果，故最后采用30作為最佳的主元數(shù)。 最后，由SVM分類器完成目標(biāo)識(shí)別。支持向量機(jī)是目前針對(duì)小樣本統(tǒng)計(jì)估計(jì)和預(yù)測(cè)學(xué)習(xí)的最佳理論和識(shí)別方法。本文中將數(shù)據(jù)集分為兩部分，一部分作為訓(xùn)練集，另一部分作為測(cè)試集，并采用徑向基函數(shù)作為核函數(shù)驗(yàn)證識(shí)別結(jié)果。 本文采用了以人體寬度向量為步態(tài)特征，并將PCA和SVM相結(jié)合來進(jìn)行步態(tài)識(shí)別的方法，它