適于重要場所個人身份的步態(tài)識別技術(shù)研究.pdf

1、在政府部門、軍隊的涉密場所等重要場所，必須嚴(yán)格掌握人員進(jìn)出的情況，大多數(shù)時間還需要識別遠(yuǎn)處活動人員的身份。此時，人臉、虹膜、指紋等生物特征，以及證件、密碼等信息特征不再適用，而步態(tài)作為有效的生物特征能夠用低分辨率設(shè)備從遠(yuǎn)距離進(jìn)行身份識別具有非接觸、不唐突的明顯優(yōu)勢，因此，步態(tài)識別必將成為重要場所進(jìn)行安全監(jiān)控的重要技術(shù)手段。 適于重要場所個人身份的步態(tài)識別技術(shù)研究內(nèi)容包括步態(tài)數(shù)據(jù)獲取、步態(tài)檢測、步態(tài)特征提取和分類識別四大部分。其中

2、步態(tài)特征提取是本文研究的重點。步態(tài)數(shù)據(jù)獲取部分我們摒棄采用現(xiàn)有的數(shù)據(jù)庫，在實驗室模擬視頻監(jiān)控場景，建立了20個人的步態(tài)數(shù)據(jù)庫。將獲取的步態(tài)視頻進(jìn)行了圖像預(yù)處理，主要包括步態(tài)視頻的幀提取、目標(biāo)檢測、形態(tài)學(xué)處理和去除冗余幀等工作。由于俯角的步態(tài)圖像周期分割效果欠佳，本文選用步態(tài)能量圖像(GEI)表征步態(tài)特征，通過步態(tài)能量圖像進(jìn)行個體的識別。步態(tài)能量圖像把人類的運(yùn)動序列用單幀圖像來表征，同時保留了時間信息，輪廓信息，頻率信息以及相位信息等。

3、 在特征提取部分，本文研究了兩大類特征提取方法。第一類是基于步態(tài)能量圖像向量的步態(tài)特征提取方法。主成分分析(PCA)、核主成分分析(KPCA)、線性判別分析(LDA)和核線性判別分析(KLDA)是四種基于一維向量的特征降維方法，步態(tài)能量圖像分別與這四種特征提取方法結(jié)合進(jìn)行步態(tài)特征提取。第二類是基于步態(tài)能量圖像矩陣的步態(tài)特征提取。二維主成分分析(2DPCA)和二維線性判別分析(2DLDA)是兩種基于二維矩陣分析特征提取方法，步態(tài)能量

4、圖像分別與二維主成分分析(2DPCA)、行列方向結(jié)合的二維主成分分析((2D)2PCA)、加權(quán)二維主成分分析(W2DPCA)、核二維主成分分析(K2DPCA)、二維線性判別分析(2DLDA)、雙向二維線性判別分析(B2DLDA)、2DPCA+2DLDA結(jié)合、K2DPCA+2DLDA結(jié)合方法進(jìn)行步態(tài)特征提取，抽取對步態(tài)識別貢獻(xiàn)最大的特征向量。 在我們自己建立的包含了20個個體的步態(tài)數(shù)據(jù)庫中進(jìn)行了單一視角和混合視角的實驗，從方法的識