基于步態(tài)能量圖的身份識(shí)別算法研究

1、分類號(hào)：TP391單位代碼：單位代碼：10190研究生學(xué)號(hào)：研究生學(xué)號(hào)：201402025密級(jí)：無碩士學(xué)位論文基于步態(tài)能量圖的身份識(shí)別算法研究ResearchontheAlgithmofIdentityRecognitionBasedonGaitEnergyImage研究生姓名研究生姓名：賈令堯賈令堯?qū)I(yè)：信息與信息與通信工程通信工程指導(dǎo)教師指導(dǎo)教師及職稱及職稱：史東承史東承（教（教授）授）培養(yǎng)單位：長春工業(yè)大學(xué)長春工業(yè)大學(xué)2017年6

2、月萬方數(shù)據(jù)研究生學(xué)位論文I摘要本文通過將一種新穎的步態(tài)時(shí)空表示方法與兩種改進(jìn)的特征提取方法結(jié)合，利用步態(tài)進(jìn)行身份識(shí)別，顯著提高了識(shí)別效果。首先，本文介紹了一種新穎的步態(tài)時(shí)空表示方法—步態(tài)能量圖像。該步態(tài)時(shí)空表示方法利用一幅圖像不僅保留了人行走時(shí)的運(yùn)動(dòng)信息，還保留了步態(tài)的時(shí)間信息，并且相比于其它步態(tài)表示方法，它顯著減少了數(shù)據(jù)存儲(chǔ)空間，提高了步態(tài)識(shí)別系統(tǒng)的實(shí)時(shí)性，為基于步態(tài)識(shí)別的身份認(rèn)證提供了廣闊的商用空間。另外，步態(tài)能量圖像對(duì)噪聲不敏感，

3、有利于真實(shí)環(huán)境下的步態(tài)識(shí)別。然后，本文將步態(tài)能量圖與兩種改進(jìn)的圖像特征提取方法結(jié)合。其一，本文提取步態(tài)能量圖改進(jìn)的相位一致性特征。該特征是全局特征，保留了圖像的全局信息。該改進(jìn)的相位一致性算法采用改進(jìn)的局部能量計(jì)算方法與頻率擴(kuò)展和噪聲補(bǔ)償策略，提取的步態(tài)特征更具識(shí)別性和定位性。然而，步態(tài)能量圖的全局特征有其局限性，如不能很好地反映特征的空間分布信息。其二，為了克服步態(tài)能量圖相位一致性特征存在的局限性，本文將其與改進(jìn)的步態(tài)能量圖像空間金字

4、塔SURF特征進(jìn)行級(jí)聯(lián)融合，如此，既保留了步態(tài)能量圖像的全局特征，也保留了步態(tài)能量圖像的特征空間分布信息。本文將改進(jìn)的網(wǎng)格加權(quán)算法偏最小二乘空間金字塔表示PlsSPR應(yīng)用于步態(tài)能量圖像空間金字塔，進(jìn)行空間金字塔加權(quán)特征融合。本文提取步態(tài)能量圖像各級(jí)空間金字塔各網(wǎng)格加速魯棒特征SURF，該步態(tài)特征能夠很好地反映特征的空間分布信息。最后，由于融合后的步態(tài)特征存在嚴(yán)重的冗余，并且現(xiàn)存的步態(tài)數(shù)據(jù)庫相對(duì)較小，而本文提取的步態(tài)特征維數(shù)巨大，為了避免

5、小樣本問題和降低數(shù)據(jù)冗余，避免維度災(zāi)難，提高處理速度，本文采用改進(jìn)的二階段PCALDA對(duì)步態(tài)特征進(jìn)行降維以生成最佳特征。為了考察本文所提出的步態(tài)識(shí)別方法的識(shí)別效果，本文采用一種新穎的相似度度量方法—ZCA白化余弦距離，利用最近鄰分類器，在大規(guī)模標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)庫CASIADatasetB和USF步態(tài)數(shù)據(jù)上對(duì)步態(tài)模式進(jìn)行判別歸類。實(shí)驗(yàn)結(jié)果表明，本文方法在識(shí)別正確率和魯棒性方面顯著優(yōu)于其他步態(tài)識(shí)別方法。關(guān)鍵詞關(guān)鍵詞：步態(tài)識(shí)別步態(tài)能量圖相位一致性