基于張量判別分析的步態(tài)識別算法研究.pdf

1、生物識別技術(shù)是利用個(gè)人的生理或行為特征來建立、驗(yàn)證和認(rèn)證身份信息的技術(shù)。近年來,生物識別技術(shù)越來越受到人們的關(guān)注,而且在諸多領(lǐng)域取得了飛速的發(fā)展,如公共安全,信息安全,金融安全等。作為一種新的生物識別技術(shù),由于步態(tài)識別技術(shù)在非侵入性、遠(yuǎn)距離和低分辨率方面的優(yōu)勢,步態(tài)識別引起了計(jì)算機(jī)視覺和模式識別等領(lǐng)域人們極大的興趣,已經(jīng)成為熱門的研究方向之一。然而,步態(tài)圖像序列通常受到視角、拍攝環(huán)境、外觀、遮擋等因素的負(fù)面影響。這些因素大多對步態(tài)識別構(gòu)

2、成挑戰(zhàn),使目前的步態(tài)識別方法不能達(dá)到實(shí)際應(yīng)用的要求。因此,構(gòu)建魯棒的特征表達(dá)和高效的判別算法成為提高步態(tài)識別性能的重要解決方案。本文的研究內(nèi)容有以下幾個(gè)方面:
　　(1)研究了步態(tài)輪廓的檢測與提取技術(shù)。首先介紹了基于背景減除的人體檢測方法;然后把增量學(xué)習(xí)的魯棒視覺跟蹤算法應(yīng)用到步態(tài)識別的人體跟蹤上,此方法通過結(jié)合在線增量學(xué)習(xí)的主成分分析(PCA)算法和粒子濾波,能夠快速有效地提取出步態(tài)圖像序列中的人體區(qū)域;最后用高斯混合模型(GM

3、M)與期望最大化(EM)算法來提取出精確的步態(tài)輪廓。
　　(2)針對步態(tài)圖像序列的周期性、遠(yuǎn)距離和失真等特點(diǎn),首先研究了兩種步態(tài)周期檢測方法:基于步態(tài)輪廓二值圖像和基于步態(tài)外輪廓的周期檢測法。然后研究和提出了三種有效的步態(tài)特征表達(dá):詳細(xì)地描述了包含序列空間信息和一定時(shí)間信息的步態(tài)能量圖像(GEI);提出了更好保留序列時(shí)間信息的多通道步態(tài)能量圖像(MutichannelGEI);最后提出了基于MutichannelGEI的三種Gab

4、or特征表達(dá)方法,此方法利用Gabor函數(shù)多方向和多尺度的特點(diǎn),能最大限度地描述步態(tài)的局部信息和全局信息。
　　(3)解決了步態(tài)識別中的高維特征和小樣本問題。首先簡單介紹了經(jīng)典的線性判別分析(LDA)算法;然后深入地研究了GraphEmbedding算法及其通用框架和MDA(MarginalDiscriminantAnalysis)算法,GraphEmbedding算法有效地解決了高維特征問題,MDA算法有效地克服了LDA算法在數(shù)