基于融合的步態(tài)識(shí)別研究.pdf

1、當(dāng)今世界紛繁復(fù)雜，各種場(chǎng)合對(duì)安全的需求也越來越高。安全、有效、唯一等等得天獨(dú)厚的優(yōu)勢(shì)使得生物特征識(shí)別技術(shù)逐漸被人們所重視。而根據(jù)人行走方式的不同來進(jìn)行身份識(shí)別的步態(tài)識(shí)別則是一種新興生物特征識(shí)別技術(shù)。由于具有其它生物特征識(shí)別所無可比擬的隱蔽性、非侵犯性和對(duì)圖像分辨率要求不高等優(yōu)點(diǎn)，在視覺監(jiān)控領(lǐng)域有著廣泛的應(yīng)用前景。
　　 步態(tài)識(shí)別過程主要由步態(tài)圖像預(yù)處理、特征提取和分類識(shí)別三個(gè)部分組成。其中步態(tài)圖像預(yù)處理就是通過背景建模、前景檢測(cè)

2、和形態(tài)學(xué)后處理等工作，從輸入序列圖像中檢測(cè)運(yùn)動(dòng)目標(biāo)，這是后續(xù)特征提取和目標(biāo)分類工作的基礎(chǔ)，有很重要的意義。而特征提取是決定識(shí)別效果的決定因素，是重中之重，也是本文研究的重點(diǎn)。
　　 本文針對(duì)側(cè)面視角條件下提出了兩種提取特征的步態(tài)識(shí)別方法。其中之一基于Radon變換，將用于直線檢測(cè)的Radon變換推廣到特征空間的建立上。根據(jù)人體運(yùn)動(dòng)特性，將運(yùn)動(dòng)人體時(shí)空不變的身體結(jié)構(gòu)參數(shù)和隨時(shí)空變化的動(dòng)態(tài)參數(shù)結(jié)合起來，構(gòu)造一個(gè)周期的特征向量模板。其

3、后運(yùn)用主成分分析(PCA)降降低特征空間維數(shù)，提取特征主向量。另一種方法利用反映動(dòng)態(tài)信息的各個(gè)對(duì)象步態(tài)能量圖(GEI）的標(biāo)準(zhǔn)差為動(dòng)態(tài)權(quán)值掩模(DWM)，通過校準(zhǔn)后與GEI做Hadamard積，從而得到動(dòng)態(tài)信息增強(qiáng)的步態(tài)能量圖(EGEI)，這幅圖像不僅保留了輪廓、頻率、相位等步態(tài)信息，而其一定程度上解決了遮擋問題。再運(yùn)用結(jié)合了行方向與列方向的二維主成分分析((2D)2PCA)來計(jì)算訓(xùn)練和測(cè)試樣本的主元分量，得到對(duì)識(shí)別貢獻(xiàn)最大的特征向量矩陣

4、。
　　 單一的步態(tài)特征對(duì)步態(tài)的描述存在局限性，本文抓住不同步態(tài)特征在識(shí)別時(shí)能夠提供互補(bǔ)信息這一關(guān)鍵，采用基于計(jì)分規(guī)則的方法，在決策層對(duì)兩種特征的信息進(jìn)行了融合。
　　 實(shí)驗(yàn)采用CASIA步態(tài)數(shù)據(jù)庫中包含124個(gè)對(duì)象、3種行走條件的Dataset B，從以上算法的識(shí)別性能進(jìn)行測(cè)試評(píng)估。結(jié)果表明本文提出的通過增強(qiáng)能量圖來提取特征的算法對(duì)衣著變化和攜帶物的影響具有很好的魯棒性。將兩種特征信息通過合理的規(guī)則進(jìn)行融合對(duì)提高識(shí)別性