基于加強步態(tài)能量圖與矩特征在非規(guī)范視角下的步態(tài)研究.pdf

1、步態(tài)識別是根據(jù)人的步態(tài)特征進行身份識別的一種新技術(shù)，是生物特征識別技術(shù)中的一個新領(lǐng)域。步態(tài)識別可以實現(xiàn)遠(yuǎn)距離感知生物特征，由此具有非侵犯性、非接觸性、易感知性、難以隱藏和不易被察覺等特點，而且步態(tài)特征是低分辨率情況下唯一可感知的生物特征，因而在安全安防領(lǐng)域受到了廣泛推廣和大力研究。
　　步態(tài)識別主要是通過對人的運動圖像進行處理分析，一般包括三個部分，目標(biāo)分割、特征提取和分類識別。本文著重研究高識別率的步態(tài)識別方法。在研究中融合了機

2、器視覺、模式識別以及圖像/視頻處理等技術(shù)。本文進行了步態(tài)圖像序列的檢測，特征提取以及識別等相關(guān)問題的研究，主要分為以下幾部分工作：
　?。?）結(jié)合計算機視覺中的視角轉(zhuǎn)換方法，對自己設(shè)計拍攝場景得到的步態(tài)視頻進行視角規(guī)范化。該組步態(tài)數(shù)據(jù)庫中包括了6個人的步態(tài)視頻，并分4個不同角度拍攝得到。將視頻轉(zhuǎn)換為圖像序列后，利用形態(tài)學(xué)方法對得到的圖像進行處理，然后利用轉(zhuǎn)換公式對每一幅圖像進行轉(zhuǎn)換。
　?。?）利用人體步態(tài)輪廓的腳步寬度信息

3、的周期性變化來確定步態(tài)周期，并由此周期得到一個周期內(nèi)的步態(tài)能量圖。
　?。?）引入了小波矩和Zernike矩兩個矩特征，利用支持向量機（SVM）作為分類器分別對兩種特征在中科院自動化所提供的步態(tài)數(shù)據(jù)庫（CASIA）進行分類識別。并融合兩個矩特征，利用SVM在同樣的CASIA數(shù)據(jù)庫中進行分類。比較分析試驗得到的多組數(shù)據(jù)。
　?。?）引入加強步態(tài)能量圖，2DPCA方法提取特征向量，并采用最近鄰域法進行分類，也得到了不錯的識別率。