基于步態(tài)光流圖與稀疏表示的步態(tài)識別.pdf

1、隨著科學(xué)技術(shù)與信息技術(shù)的發(fā)展，安全已成為全球所有人關(guān)心的問題。如何保證人們安全問題，如何有效識別未明身份的人成為大家共同關(guān)心的問題。為了解決這些問題，提出了生物識別技術(shù)。例如指紋、虹膜、人臉的識別技術(shù)已經(jīng)變得越來越成熟，但這些生物技術(shù)往往需要被識別對象的配合，要求近距離甚至需要被接觸。但在安全監(jiān)控領(lǐng)域方面被識別對象往往是不知道的，非接觸性的，而步態(tài)識別正是作這種可以遠距離、非接觸情況下已經(jīng)被越來越多的人所了解。步態(tài)識別技術(shù)作為一種新興的

2、生物特征，在信息安全與公共安全等方面具有較強的實用性和研究價值。本文對步態(tài)識別主要做了以下幾個方面的研究：
　?。?）研究了步態(tài)檢測的算法，本文首先用中值法進行背景建模，接著對常用的幾種步態(tài)檢測算法進行了比較，光流法計算太復(fù)雜且需要高效率的計算機，幀差法容易產(chǎn)生空洞，且由于我們的數(shù)據(jù)庫的背景相對比較簡單，運用了背景消減法進行檢測。同時運用形態(tài)學(xué)處理和八連通區(qū)域分析去除運動區(qū)域的噪聲和單獨的空穴，最后通過步態(tài)圖像序列中人體的寬高比值

3、曲線圖獲取人體步態(tài)周期。
　　（2）在光流法的基礎(chǔ)上，提出一種步態(tài)光流圖的算法并對此進行降維。首先通過步態(tài)圖像序列用 Horn-Schunck算法合成光流，再對一個周期內(nèi)的光流疊加平均合成步態(tài)光流圖。，但其維數(shù)較高，容易造成維數(shù)災(zāi)難，通過幾種降維算法的比較，本文選用了PCA和LDA一起對光流圖進行降維，降維后的光流圖作為步態(tài)特征。
　　（3）最后設(shè)計稀疏表示分類器。由于稀疏表示能很好對圖像進行分類，所以同樣也適應(yīng)于步態(tài)識別。

4、在此基礎(chǔ)上，本文運用改進的稀疏表示即局部約束組稀疏進行步態(tài)識別。本文首先分析組稀疏表示、局部約束稀疏表示的優(yōu)點和不足。綜合考慮以上兩種稀疏表示的優(yōu)勢，構(gòu)造局部約束組稀疏表示的模型，使同一類別樣本構(gòu)造成一個組，并標(biāo)記它同時加入局部約束條件。再利用次梯度優(yōu)化算法求解，最終設(shè)計出局部約束組稀疏分類器。
　?。?）對上述算法進行了仿真實驗，利用中科院的步態(tài)數(shù)據(jù)庫CASIA Dataset B，先選取部分人體步態(tài)視頻數(shù)據(jù)進行了步態(tài)檢測與步態(tài)