基于視角相關(guān)角度分量特征的步態(tài)識(shí)別.pdf

1、在計(jì)算機(jī)視覺和智能視頻監(jiān)控領(lǐng)域中，步態(tài)識(shí)別是生物特征識(shí)別技術(shù)中一個(gè)新興的研究領(lǐng)域，它是一種根據(jù)人的走路方式來識(shí)別身份的方法。相對(duì)于其他生物特征識(shí)別技術(shù)（如指紋、虹膜、人臉等），步態(tài)識(shí)別的優(yōu)勢(shì)在于它的非接觸性、非侵犯性、易于采集、及遠(yuǎn)距離感知等特點(diǎn)?；谶@些特點(diǎn)，步態(tài)識(shí)別在門禁系統(tǒng)、安全監(jiān)控、人機(jī)交互、醫(yī)療診斷等領(lǐng)域具有廣泛的應(yīng)用前景和經(jīng)濟(jì)價(jià)值。一個(gè)完整的步態(tài)識(shí)別系統(tǒng)主要由三大部分組成：運(yùn)動(dòng)目標(biāo)檢測(cè)、步態(tài)特征提取和分類識(shí)別過程。本文對(duì)當(dāng)前

2、步態(tài)識(shí)別在國內(nèi)外的研究狀況和處理方法做了廣泛的學(xué)習(xí)和研究，并分別就以上提到的三個(gè)關(guān)鍵部分做了較為深入的討論。
　　 本文介紹了一些步態(tài)識(shí)別技術(shù)，總結(jié)并分析學(xué)者們?cè)诓綉B(tài)識(shí)別領(lǐng)域的研究方法以及其貢獻(xiàn)和優(yōu)勢(shì)所在，并簡(jiǎn)明闡述了步態(tài)識(shí)別技術(shù)廣泛使用的相關(guān)理論和方法，以及其研究現(xiàn)狀和發(fā)展趨勢(shì)。在運(yùn)動(dòng)目標(biāo)檢測(cè)部分，本文采用一種基于色度坐標(biāo)的高斯混合模型來提高低對(duì)比像素點(diǎn)的檢測(cè)率，保證提取步態(tài)目標(biāo)的準(zhǔn)確性進(jìn)而保證視角檢測(cè)的準(zhǔn)確性。然后，檢測(cè)到的

3、目標(biāo)序列根據(jù)圖形學(xué)的成像幾何原理計(jì)算得到步態(tài)序列在三維空間的視角，由此檢測(cè)到的視角可用于選擇最優(yōu)的分類識(shí)別方法，以充分發(fā)揮每種分類器的優(yōu)點(diǎn)。在步態(tài)特征提取部分，本文提出以角度分量特征作為步態(tài)特征的方法，首先計(jì)算每一幀在各個(gè)角度間隔內(nèi)的像素點(diǎn)到質(zhì)心的距離的平均值，并把該平均值分解為水平和垂直兩個(gè)分量作為當(dāng)前幀的角度分量特征，再計(jì)算第一幀到當(dāng)前幀的角度分量特征的平均值作為最終的步態(tài)特征。由于該方法考慮到水平和垂直兩個(gè)方面對(duì)識(shí)別的影響，因此相

4、對(duì)角度特征具有更好的分類能力，尤其提高了在非側(cè)面視角下的識(shí)別率。在步態(tài)識(shí)別過程中，采用基于視角的多分類器融合的識(shí)別方法，根據(jù)視角檢測(cè)過程得到的視角選擇在該視角下最優(yōu)的分類器進(jìn)行步態(tài)識(shí)別。本文融合使用線性時(shí)間歸一化（LTN）匹配法和常用的k近鄰法（KNN）進(jìn)行步態(tài)識(shí)別，兩種方法優(yōu)勢(shì)互補(bǔ)，既發(fā)揮了KNN方法在各個(gè)視角識(shí)別的相對(duì)穩(wěn)定性，又發(fā)揮了LTN方法在側(cè)面視角下識(shí)別率比較高的優(yōu)勢(shì)，最終實(shí)現(xiàn)在每個(gè)視角都能夠選擇最優(yōu)的識(shí)別方法從而達(dá)到最好的識(shí)