基于特征融合和支持向量機的步態(tài)識別算法研究.pdf

1、步態(tài)識別是根據人的步態(tài)特征對人的身份進行識別的技術。步態(tài)作為一種新的行為特征，具有遠距離、非接觸性、非侵犯性、易感知性、難以偽裝或隱藏等特點，并且是低分辨率情況下唯一可感知的特征，這使得步態(tài)識別成為近幾年計算機視覺和模式識別領域的熱門研究課題。
　　 步態(tài)識別的處理過程分為三部分，目標分割、特征提取和分類識別，本文重點對步態(tài)特征的提取進行了研究。在充分研究前人工作的基礎上，提出了兩種新的步態(tài)特征提取算法：一種是基于空間特征和頻率

2、特征相融合的步態(tài)特征提取算法，另一種是基于輪廓小波矩和腿部雙三角特征相融合的步態(tài)特征提取算法。
　　 步態(tài)圖像的空間特征和頻率特征都是可以用于步態(tài)識別的有效的特征，將二者充分結合能夠提高系統(tǒng)的識別性能和魯棒性，基于此，本文提出了一種基于空間特征和頻率特征相融合的步態(tài)特征提取算法。首先對步態(tài)圖像進行預處理，包括背景建模、運動目標分割、形態(tài)學處理等，提取出運動目標；然后使用基于極坐標系的等間距切割線對運動目標進行切割，使用切割向量來

3、表示步態(tài)圖像的空間特征；接著對切割向量進行傅里葉變換，提取步態(tài)圖像的頻率特征；最后對空間特征和頻率特征進行融合并使用支持向量機進行識別。
　　 步態(tài)圖像序列中既包含動態(tài)信息，也包含靜態(tài)信息，在步態(tài)識別中，充分結合應用這兩種信息將能夠提高系統(tǒng)的識別性能，因此，本文又提出了一種基于輪廓小波矩和腿部雙三角特征相融合的步態(tài)特征提取算法。首先對經過預處理的步態(tài)圖像進行分析，提取一個步態(tài)周期內的關鍵幀并對目標輪廓邊緣進行歸一化處理；然后利用

4、小波矩不隨位移、尺度和旋轉的變化而變化的特點，對歸一化后的輪廓邊緣計算小波矩，使用輪廓小波矩描述步態(tài)圖像的靜態(tài)特征；接著對人體腿部建立雙三角形，使用雙三角形特征表示步態(tài)圖像的動態(tài)特征，包括由髖關節(jié)中心點和兩個膝關節(jié)構成的三角形，以及由髖關節(jié)中心點和兩個踝關節(jié)構成的三角形；最后對輪廓小波矩和腿部雙三角形特征進行融合并使用支持向量機進行識別。
　　 在CASIA步態(tài)數據庫上進行的實驗表明，本文提出的上述兩個步態(tài)特征提取算法具有較高的