基于SVM和DSW的列質(zhì)量向量特征步態(tài)識別方法研究.pdf

1、步態(tài)識別是根據(jù)人行走的方式來識別其身份，以其特有的優(yōu)勢作為一種身份識別手段，在遠距離識別中非常具有潛力。但是目前有關(guān)步態(tài)識別的研究尚處于理論探索階段，沒有達到實際應(yīng)用的程度。本文在研究步態(tài)識別算法的基礎(chǔ)上，提出列質(zhì)量向量特征，對特征提取和分類識別這兩部分做了詳細研究。主要工作和成果如下:
　　提出列質(zhì)量向量特征來表征人的步態(tài)特征信息，列質(zhì)量向量通過對人體區(qū)域進行縱向分割，在保持行人結(jié)構(gòu)的基礎(chǔ)上降低了像素級運算的復(fù)雜度，使得在行走過

2、程中各個部分的協(xié)調(diào)運動反映在列向量周期變化之中。通過對待識別目標與數(shù)據(jù)庫樣本目標的列質(zhì)量向量特征采用動態(tài)空間規(guī)劃（DSW）匹配方法，一方面解決了移動目標提取過程引起的目標平移問題，另一方面則通過動態(tài)規(guī)整的方法將服飾、攜帶物等影響因素帶來的干擾區(qū)分出來，從而提高了對干擾因素尤其是服飾的識別能力。本文所用的DSW方法將動態(tài)時間規(guī)劃理論擴展到空間領(lǐng)域，將基于時間周期的匹配具體化為空間匹配，充分利用了步態(tài)的周期性特點，解決了步態(tài)周期類特征易受相

3、位偏移影響的難題。
　　此外，本文采用了活動能量圖進行降維，將一周期的步態(tài)圖像序列經(jīng)過累加差分的方法生成一張圖像，解決了步態(tài)識別中易產(chǎn)生的“維數(shù)災(zāi)難”問題，降低了特征提取復(fù)雜度。
　　本文采用基于小樣本統(tǒng)計理論的支持向量機理論，原因是對于步態(tài)數(shù)據(jù)而言，個體樣本訓(xùn)練數(shù)是有限的，而支持向量機本身具有能夠處理高泛化、小樣本、高維度模式問題的特性。并利用使用一對其余的原則來模式識別不同樣本，在中科院的CASIA步態(tài)數(shù)據(jù)庫中正常行走、