基于步態(tài)的身份識別算法研究.pdf

1、步態(tài)識別是通過對人行走的姿態(tài)進行身份識別和認證的生物識別方法。與其它生物特征識別（指紋、臉像、虹膜等）相比，無需接觸和干擾被識別人，可進行遠距離識別。步態(tài)識別作為一種新的生物特征識別技術(shù)，近年來引起了計算機視覺領(lǐng)域研究人員的廣泛關(guān)注。 提出了基于高斯混合輸出的連續(xù)隱馬爾可夫模型（Continuous Hidden Markov Model with Mixture of Gaussians, 簡稱G-CHMM）的步態(tài)識別方法。對

2、步態(tài)識別的研究過程分為三個步驟：步態(tài)檢測、特征提取和分類識別。步態(tài)檢測是從輸入步態(tài)序列圖像中檢測出人的運動姿態(tài)。采用快速有效的背景減除方法進行步態(tài)檢測，經(jīng)過背景減除后得到步態(tài)的前景圖像，對背景減除后的前景圖像運用形態(tài)學(xué)算子進行處理，去除其圖像中小的空洞和噪聲。 對于特征提取，首先用邊緣跟蹤算法提取出步態(tài)圖像的邊緣輪廓，選取步態(tài)輪廓邊緣點到重心的距離作為特征矢量提取步態(tài)特征。然后通過 -均值聚類算法獲得一個步態(tài)周期的5個關(guān)鍵幀，利

3、用步態(tài)序列每幀和關(guān)鍵幀之間的歐氏距離壓縮觀測矢量維數(shù)，對步態(tài)圖像中的每一幀得到5維特征矢量。 對于分類識別，采用高斯混合輸出的連續(xù)隱馬爾可夫模型方法。首先利用 -均值聚類法建立初始高斯混合模型，然后采用 Baum-Welch算法對初始連續(xù)隱馬爾可夫模型（Continuous Hidden Markov, 簡稱CHMM）參數(shù)不斷訓(xùn)練求精。利用5個關(guān)鍵幀和訓(xùn)練得到的CHMM參數(shù)來表示步態(tài)庫中每個人的步態(tài)序列。最后采用前向算法求出被識