版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著科技、經濟的快速發(fā)展,信息安全領域受到了極大的關注,身份識別認證的地位越來越重要,而傳統(tǒng)的認證方式安全系數越來越低。體態(tài)特征即人體本身存在的、具有個體差異性的特征顯得尤為重要,其中人體運動中的步態(tài)特征以它能夠遠距離觀測、非接觸識別并具有難以偽裝的特點,有著極大的應用前景。本文分析側面視角下人體的一維運動曲線來進行步態(tài)識別,綜合考慮前景和背景顏色對比度較低的情況,對人體檢測、特征提?。òú綉B(tài)曲線)及分類方法展開了研究。本文所做的研究
2、工作包括:
1.人體檢測。分析所選數據庫圖像的特點,采用中值法對背景建模。由于圖像存在人體和背景顏色對比度較低的情況,導致更新的背景上殘留有大量前景像素,使背景差分得到的前景圖像存在大量的空洞。因此,在混合顏色空間的基礎上,提出了一種改進的背景模型更新方法,使更新的背景更接近真實背景。進而,為削弱光照突變對人體檢測的影響,提出了自適應亮度調整的算法,能夠有效地處理由于光照變化引起的噪聲干擾。此外,在對人體圖像進行二值化處理時,
3、采用最大類間方差算法獲得閾值,提高了算法的效率。
2.步態(tài)曲線提取。由于人體行走的步態(tài)循環(huán)變化,呈現(xiàn)周期性的特征,因此對其周期性進行了分析,并對圖像做了歸一化處理。為了分析人體的步態(tài)特征,將檢測得到的二值化人體區(qū)域骨架化,并標注出人體運動關鍵節(jié)點。對不同的骨架化算法進行了比較分析,給出一種改進的ZS(Zhang and Suen)細化算法,使得到的骨架信息更接近于人體區(qū)域的中軸線。提取出關鍵節(jié)點的軌跡,根據軌跡特征采用不同的方
4、法進行曲線擬合,得到更接近步態(tài)軌跡的模型。
3.特征提取及分類。分析了曲線特征,構建了步態(tài)分類的特征向量。利用k-近鄰(k-Nearest Neighbor, kNN)分類器比較了不同人和同一人不同序列的特征向量的相似性,驗證了該特征向量能夠有效地用于步態(tài)識別,通過比較k取不同值時的正確識別率來選取合適的k值。
論文選取CASIA-Dataset-A側面視角下的圖像序列進行步態(tài)識別,實驗結果表明本文所使用算法均能取得
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于步態(tài)的人體身份識別.pdf
- 基于步態(tài)壓力特征的人體行為識別.pdf
- 基于單目視頻的人體步態(tài)識別.pdf
- 基于稀疏表示的人體步態(tài)識別算法研究.pdf
- 基于Kinect的人體步態(tài)跟蹤與識別技術.pdf
- 基于人體運動分析的步態(tài)識別算法研究.pdf
- 基于運動圖像混合維度特征的人體紅外步態(tài)識別技術研究.pdf
- 基于步態(tài)識別的人體目標檢測與跟蹤.pdf
- 基于計算機視覺的人體步態(tài)識別研究.pdf
- 基于圖像序列的人體步態(tài)識別方法研究.pdf
- 基于全局信息的人體運動識別.pdf
- 基于步態(tài)深度信息的人體身份識別方法研究.pdf
- 基于“多視角”的人體動作識別算法.pdf
- 基于視覺的人體運動行為識別研究.pdf
- 基于人體行走軌跡重排序的跨視角步態(tài)識別.pdf
- 基于sEMG的人體下肢運動識別研究.pdf
- 應用于步態(tài)識別的人體輪廓提取.pdf
- 基于流形學習的人體運動姿勢識別.pdf
- 基于密集軌跡特征的人體運動識別研究.pdf
- 基于結構化信息的人體運動識別.pdf
評論
0/150
提交評論