耦合度量學(xué)習(xí)理論及其在步態(tài)識別中的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)存儲和運(yùn)算性能的大幅度提高，基于計(jì)算機(jī)視覺的生物特征認(rèn)證以及識別技術(shù)發(fā)展迅速，人臉識別、指紋識別和虹膜識別等技術(shù)在可控場景下已經(jīng)相對成熟，并在商業(yè)、公共安全、醫(yī)學(xué)甚至娛樂等領(lǐng)域廣泛應(yīng)用。但是實(shí)際場景中，被識別個體生物特征通常被要求在遠(yuǎn)距離非接觸條件下通過低分辨率或者不同類型的傳感器捕獲，這對傳統(tǒng)的生物特征識別技術(shù)提出了極大的挑戰(zhàn)。
　　步態(tài)特征具有遠(yuǎn)距離檢測、采集非接觸性、不易偽裝模仿、受環(huán)境影響小和占用內(nèi)存小等優(yōu)點(diǎn)，是

2、遠(yuǎn)距離下最具有潛力的生物特征之一，在公共安全領(lǐng)域具有良好的應(yīng)用前景和經(jīng)濟(jì)價(jià)值。但是，步態(tài)視角變化將會改變可觀測的人體步態(tài)特征，造成步態(tài)識別困難。為了解決視角變化引起的跨視角步態(tài)識別問題，本課題提出基于耦合度量學(xué)習(xí)理論的跨視角步態(tài)識別算法。具體而言，本論文主要貢獻(xiàn)如下:
　　概述了課題的研究背景以及意義，綜述了國內(nèi)外對跨視角步態(tài)識別和耦合度量學(xué)習(xí)兩個領(lǐng)域的研究現(xiàn)狀。
　　研究了向量空間內(nèi)基于向量流形對齊的耦合度量學(xué)習(xí)方法，主要

3、包括耦合距離度量學(xué)習(xí)、耦合邊距Fisher分析和聯(lián)立判別分析，并提出一種融合了判別信息和流形結(jié)構(gòu)的耦合間距判別分析算法，該算法旨在削弱跨域問題的數(shù)據(jù)差異，增強(qiáng)跨域數(shù)據(jù)間的耦合關(guān)系。另外，本文首次將這些向量空間內(nèi)耦合度量學(xué)習(xí)算法應(yīng)用于跨視角步態(tài)識別研究。
　　提出了矩陣空間內(nèi)基于矩陣對齊的耦合度量學(xué)習(xí)框架，在此基礎(chǔ)上本文提出了二維耦合距離度量學(xué)習(xí)、二維耦合邊距Fisher分析、二維耦合線性判別分析、二維聯(lián)立判別分析和二維耦合間距判別

4、分析五種基于矩陣空間的耦合度量學(xué)習(xí)算法，并使用中科院自動化所CASIA(B)步態(tài)庫的二維步態(tài)能量圖數(shù)據(jù)驗(yàn)證了該框架下五種算法的有效性。
　　提出了張量空間內(nèi)基于張量對齊的耦合度量學(xué)習(xí)框架，此框架旨在解決高維異構(gòu)數(shù)據(jù)識別問題，是向量和矩陣空間內(nèi)耦合度量學(xué)習(xí)方法在高維空間的表達(dá)形式?；诖丝蚣?，本文提出了基于張量空間的耦合距離度量學(xué)習(xí)、耦合邊距Fisher分析、耦合線性判別分析、聯(lián)立判別分析和耦合間距判別分析五種算法。另外，本文研究了