基于步幅長(zhǎng)度及頻域特征的步態(tài)識(shí)別方法研究.pdf

1、步態(tài)識(shí)別是近些年來生物特征識(shí)別和計(jì)算機(jī)視覺中活躍的研究課題之一。它旨在根據(jù)人行進(jìn)過程中的行走步態(tài)模式來識(shí)別其身份。它的研究主要由三部分構(gòu)成：運(yùn)動(dòng)目標(biāo)檢測(cè)、特征提取和步態(tài)識(shí)別。本文針對(duì)這三部分主要開展了以下的研究工作： 首先，分析了常用的運(yùn)動(dòng)檢測(cè)算法，并根據(jù)具體情況構(gòu)建背景圖像，采用背景減除算法實(shí)現(xiàn)了運(yùn)動(dòng)人體的檢測(cè)，利用閾值分割和形態(tài)學(xué)操作實(shí)現(xiàn)了圖像的二值化。用Canny算法進(jìn)行了邊緣提取，為后續(xù)特征提取工作提供了良好的基礎(chǔ)。

2、 其次，在特征提取方面，提出了根據(jù)步幅長(zhǎng)度變化特征來進(jìn)行周期分割的方法，在一個(gè)步態(tài)周期內(nèi)確定了四個(gè)關(guān)鍵幀姿態(tài)。然后采用了二維離散傅里葉變換將運(yùn)動(dòng)檢測(cè)后的二值圖像變換到頻域，提取四個(gè)關(guān)鍵幀的頻譜能量幅值，計(jì)算其均值作為特征值，結(jié)合人體步幅長(zhǎng)度特征構(gòu)成五維特征向量。 最后，使用標(biāo)準(zhǔn)的模式分類器——最近鄰法分類器(NN)及K 近鄰分類器(KNN)實(shí)現(xiàn)身份識(shí)別。在中科院自動(dòng)化所提供的CASIA步態(tài)數(shù)據(jù)庫(kù)(CASIA Gait Dat