基于支持向量機(jī)的步態(tài)識(shí)別.pdf

1、步態(tài)是指人們行走的姿勢(shì)，是一種遠(yuǎn)距離情況下唯一可感知的生物行為特征。與傳統(tǒng)的指紋、虹膜、臉像等生物生理特征相比，步態(tài)具有難于隱藏和偽裝、便于采集和遠(yuǎn)距離低分辨率識(shí)別等優(yōu)點(diǎn)。但也存在明顯的缺陷：當(dāng)二維平面輪廓成為步態(tài)信息的完全表述時(shí)，它的唯一性還值得商榷。這也是步態(tài)識(shí)別率相對(duì)較低的關(guān)鍵因素。盡管如此，步態(tài)識(shí)別作為生物特征識(shí)別技術(shù)中的一個(gè)新興領(lǐng)域，目前引起了視覺研究者的濃厚興趣，成為近年來計(jì)算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向，是人運(yùn)動(dòng)視覺分析

2、的重要內(nèi)容。對(duì)步態(tài)識(shí)別及其關(guān)鍵技術(shù)的研究具有重要的學(xué)術(shù)價(jià)值和實(shí)用價(jià)值。 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,通常包括目標(biāo)分割、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，感知接口中均有廣泛的應(yīng)用前景，本文主要探討了視覺分析中步態(tài)圖像序列的檢測(cè)，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)別國內(nèi)外的研究現(xiàn)狀和常用的處理方法。 在此基礎(chǔ)上，本文提出了把外輪廓沿人體中線投影向量(Midline

3、 Projection Vector)作為步態(tài)特征和主成份分析PCA(Principal Component Analysis)與支持向量機(jī)SVM (Support Vector Machine)相結(jié)合的步態(tài)目標(biāo)特征提取與識(shí)別方法。 首先，從步態(tài)序列圖像中檢測(cè)步態(tài)，本文采用的是靜止背景下的單人步態(tài)數(shù)據(jù)庫，研究了RGB空間和灰度背景建模方法，經(jīng)過性能比較我們選取了前者。 其次，利用背景差分法提取運(yùn)動(dòng)人體輪廓。將外輪廓沿人體

4、中線投影可以得到前后兩個(gè)向量，合成1D向量(Midline Projection Vector，中線投影向量)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。該方法在非線性空間內(nèi)利用線性 PCA(Principal Component Analysis)準(zhǔn)則提取目標(biāo)特征。主元數(shù)分別選取10, 20, 40, 60作對(duì)比分析，最后采用20作為主元數(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)