應(yīng)用于步態(tài)識(shí)別的人體輪廓提取.pdf

1、步態(tài)識(shí)別根據(jù)人走路的姿勢(shì)進(jìn)行身份識(shí)別。和其它生物特征相比，捕捉步態(tài)特征無(wú)需身體接觸，不具有侵犯性。在步態(tài)識(shí)別中，完整的人體輪廓是特征提取、特征表達(dá)、目標(biāo)分類與目標(biāo)識(shí)別等后期處理的前提條件。因此，本課題的主要目的是研究運(yùn)用目標(biāo)分割技術(shù)從步態(tài)圖像序列中提取人體輪廓。主要的工作包括以下幾點(diǎn)： ①針對(duì)塊匹配算法初始搜索點(diǎn)選擇與實(shí)際情況存在差異的問(wèn)題，在運(yùn)用UCBDS法(unrestricted center-biased diamond

2、 search，非限制性中心傾向分布的鉆石形搜索方法)進(jìn)行運(yùn)動(dòng)估計(jì)時(shí)，采用中值法預(yù)測(cè)初始搜索點(diǎn)，并根據(jù)各候選塊匹配度減少LJCBDS法的搜索范圍。 ②研究了一種新的基于運(yùn)動(dòng)信息和分水嶺變換的運(yùn)動(dòng)目標(biāo)分割算法。采用改進(jìn)的塊匹配算法對(duì)人體目標(biāo)運(yùn)動(dòng)進(jìn)行估計(jì)，運(yùn)用分水嶺算法將當(dāng)前幀圖像分割成封閉而不重疊的小區(qū)域，應(yīng)用仿射參數(shù)模型進(jìn)行基于運(yùn)動(dòng)的塊區(qū)域合并，從而完成人體輪廓的提取。實(shí)驗(yàn)結(jié)果表明，該算法提高了步態(tài)識(shí)別率。 ③提出基于S

3、nake模型的優(yōu)化人體輪廓的方法。以基于運(yùn)動(dòng)信息和分水嶺變換的運(yùn)動(dòng)目標(biāo)分割算法得到的結(jié)果代替人工勾勒作為Snake模型的初始輪廓，實(shí)現(xiàn)了整個(gè)分割過(guò)程的自動(dòng)化。Snake模型算法主要有變分法、動(dòng)態(tài)規(guī)劃法、Greedy算法。在本文中對(duì)Greedy算法進(jìn)行了改進(jìn)：通過(guò)修改外部能量函數(shù)區(qū)分真正的輪廓點(diǎn)和孤立的噪聲點(diǎn)；構(gòu)造了一個(gè)調(diào)節(jié)參數(shù)公式實(shí)現(xiàn)自動(dòng)調(diào)節(jié)內(nèi)部能量和外部能量的權(quán)值。實(shí)驗(yàn)結(jié)果表明，該方法能夠在低對(duì)比度、局部動(dòng)態(tài)背景下正確提取人體目標(biāo)輪廓