

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著現(xiàn)代社會(huì)對(duì)安全的迫切需求,近年來生物特征識(shí)別技術(shù)以其特有的安全性、穩(wěn)定性和方便性被廣泛地應(yīng)用于安全、認(rèn)證等身份鑒別領(lǐng)域。步態(tài)識(shí)別作為一種新興的生物特征識(shí)別技術(shù),不同于臉像、指紋及虹膜等生物特征對(duì)于近距離等條件的苛刻要求,步態(tài)可以在遠(yuǎn)距離低分辨率下檢測(cè)并度量,且難于偽裝和隱藏,沒有侵犯性,因此,步態(tài)分析在視覺監(jiān)控、控制、身份鑒定等領(lǐng)域中起著越來越重要的作用。 當(dāng)前步態(tài)識(shí)別的研究正處于起步階段,它主要是利用人的走路方式來識(shí)別人的
2、身份。本文的主要目的是將視頻序列中的步態(tài)信息發(fā)掘出來,并利用它進(jìn)行身份識(shí)別。圍繞這個(gè)主題,展開了如下幾個(gè)方面的研究: 首先對(duì)步態(tài)序列進(jìn)行預(yù)處理。本文通過分析和比較常用的運(yùn)動(dòng)檢測(cè)方法,針對(duì)文中使用的步態(tài)序列具有背景簡(jiǎn)單的特點(diǎn),采用背景減除法實(shí)現(xiàn)步態(tài)檢測(cè):對(duì)步態(tài)運(yùn)動(dòng)的周期性進(jìn)行分析,并利用人體側(cè)影的寬度信息計(jì)算步態(tài)周期。 然后在步態(tài)特征提取方面,基于“行走運(yùn)動(dòng)的關(guān)節(jié)角度變化包含著豐富的個(gè)體識(shí)別信息”的觀點(diǎn),本文提出一種通過對(duì)
3、下肢運(yùn)動(dòng)的分析來定位關(guān)節(jié)點(diǎn),進(jìn)而提取下肢關(guān)節(jié)角度信息的步態(tài)表征辦法,同時(shí)選取手臂區(qū)域?qū)挾刃畔⒆鳛檩o助特征;其中對(duì)遮擋幀關(guān)節(jié)點(diǎn)利用卡爾曼濾波進(jìn)行跟蹤定位,關(guān)節(jié)點(diǎn)的遮擋問題可以通過關(guān)節(jié)點(diǎn)跟蹤過程中對(duì)關(guān)節(jié)點(diǎn)位置的預(yù)測(cè)得到解決。 最后對(duì)隱馬爾可夫模型(HMM)進(jìn)行研究并對(duì)應(yīng)用隱馬爾可夫模型的可行性加以分析,提出一種通過分析人行走過程中不同狀態(tài)下的下肢關(guān)節(jié)角度信息獲得關(guān)鍵幀的方法,本文采用將關(guān)鍵幀作為隱馬爾可夫模型的狀態(tài),每一幀與關(guān)鍵幀的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)隱馬爾科夫模型的人體步態(tài)自適應(yīng)識(shí)別.pdf
- 基于隱馬爾科夫模型的人臉識(shí)別.pdf
- 基于隱馬爾科夫模型的目標(biāo)人體識(shí)別.pdf
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別
- 基于Ⅱ-型模糊隱馬爾科夫模型的火焰識(shí)別.pdf
- 隱馬爾科夫模型hiddenmarkovmodel
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別.doc
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別.doc
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別.doc
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別 (2)
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別.doc
- 基于隱馬爾科夫模型的語(yǔ)音識(shí)別技術(shù)研究.pdf
- 基于隱馬爾科夫模型的信號(hào)分類.pdf
- 基于連續(xù)隱馬爾科夫模型的語(yǔ)音識(shí)別.doc
- 基于隱馬爾科夫模型的人臉識(shí)別技術(shù)研究.pdf
- 基于隱馬爾科夫模型的語(yǔ)音識(shí)別新算法的研究.pdf
- 基于隱馬爾科夫模板模型的視頻動(dòng)作識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論