基于特征融合和支持向量機(jī)的步態(tài)識(shí)別算法研究.pdf

1、步態(tài)識(shí)別是根據(jù)人的步態(tài)特征對(duì)人的身份進(jìn)行識(shí)別的技術(shù)。步態(tài)作為一種新的行為特征，具有遠(yuǎn)距離、非接觸性、非侵犯性、易感知性、難以偽裝或隱藏等特點(diǎn)，并且是低分辨率情況下唯一可感知的特征，這使得步態(tài)識(shí)別成為近幾年計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的熱門研究課題。
　　 步態(tài)識(shí)別的處理過(guò)程分為三部分，目標(biāo)分割、特征提取和分類識(shí)別，本文重點(diǎn)對(duì)步態(tài)特征的提取進(jìn)行了研究。在充分研究前人工作的基礎(chǔ)上，提出了兩種新的步態(tài)特征提取算法：一種是基于空間特征和頻率

2、特征相融合的步態(tài)特征提取算法，另一種是基于輪廓小波矩和腿部雙三角特征相融合的步態(tài)特征提取算法。
　　 步態(tài)圖像的空間特征和頻率特征都是可以用于步態(tài)識(shí)別的有效的特征，將二者充分結(jié)合能夠提高系統(tǒng)的識(shí)別性能和魯棒性，基于此，本文提出了一種基于空間特征和頻率特征相融合的步態(tài)特征提取算法。首先對(duì)步態(tài)圖像進(jìn)行預(yù)處理，包括背景建模、運(yùn)動(dòng)目標(biāo)分割、形態(tài)學(xué)處理等，提取出運(yùn)動(dòng)目標(biāo)；然后使用基于極坐標(biāo)系的等間距切割線對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行切割，使用切割向量來(lái)

3、表示步態(tài)圖像的空間特征；接著對(duì)切割向量進(jìn)行傅里葉變換，提取步態(tài)圖像的頻率特征；最后對(duì)空間特征和頻率特征進(jìn)行融合并使用支持向量機(jī)進(jìn)行識(shí)別。
　　 步態(tài)圖像序列中既包含動(dòng)態(tài)信息，也包含靜態(tài)信息，在步態(tài)識(shí)別中，充分結(jié)合應(yīng)用這兩種信息將能夠提高系統(tǒng)的識(shí)別性能，因此，本文又提出了一種基于輪廓小波矩和腿部雙三角特征相融合的步態(tài)特征提取算法。首先對(duì)經(jīng)過(guò)預(yù)處理的步態(tài)圖像進(jìn)行分析，提取一個(gè)步態(tài)周期內(nèi)的關(guān)鍵幀并對(duì)目標(biāo)輪廓邊緣進(jìn)行歸一化處理；然后利用

4、小波矩不隨位移、尺度和旋轉(zhuǎn)的變化而變化的特點(diǎn)，對(duì)歸一化后的輪廓邊緣計(jì)算小波矩，使用輪廓小波矩描述步態(tài)圖像的靜態(tài)特征；接著對(duì)人體腿部建立雙三角形，使用雙三角形特征表示步態(tài)圖像的動(dòng)態(tài)特征，包括由髖關(guān)節(jié)中心點(diǎn)和兩個(gè)膝關(guān)節(jié)構(gòu)成的三角形，以及由髖關(guān)節(jié)中心點(diǎn)和兩個(gè)踝關(guān)節(jié)構(gòu)成的三角形；最后對(duì)輪廓小波矩和腿部雙三角形特征進(jìn)行融合并使用支持向量機(jī)進(jìn)行識(shí)別。
　　 在CASIA步態(tài)數(shù)據(jù)庫(kù)上進(jìn)行的實(shí)驗(yàn)表明，本文提出的上述兩個(gè)步態(tài)特征提取算法具有較高的