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

1、步態(tài)識(shí)別是根據(jù)人行走的方式來(lái)識(shí)別其身份，以其特有的優(yōu)勢(shì)作為一種身份識(shí)別手段，在遠(yuǎn)距離識(shí)別中非常具有潛力。但是目前有關(guān)步態(tài)識(shí)別的研究尚處于理論探索階段，沒有達(dá)到實(shí)際應(yīng)用的程度。本文在研究步態(tài)識(shí)別算法的基礎(chǔ)上，提出列質(zhì)量向量特征，對(duì)特征提取和分類識(shí)別這兩部分做了詳細(xì)研究。主要工作和成果如下:
　　提出列質(zhì)量向量特征來(lái)表征人的步態(tài)特征信息，列質(zhì)量向量通過(guò)對(duì)人體區(qū)域進(jìn)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(jí)運(yùn)算的復(fù)雜度，使得在行走過(guò)

2、程中各個(gè)部分的協(xié)調(diào)運(yùn)動(dòng)反映在列向量周期變化之中。通過(guò)對(duì)待識(shí)別目標(biāo)與數(shù)據(jù)庫(kù)樣本目標(biāo)的列質(zhì)量向量特征采用動(dòng)態(tài)空間規(guī)劃（DSW）匹配方法，一方面解決了移動(dòng)目標(biāo)提取過(guò)程引起的目標(biāo)平移問題，另一方面則通過(guò)動(dòng)態(tài)規(guī)整的方法將服飾、攜帶物等影響因素帶來(lái)的干擾區(qū)分出來(lái)，從而提高了對(duì)干擾因素尤其是服飾的識(shí)別能力。本文所用的DSW方法將動(dòng)態(tài)時(shí)間規(guī)劃理論擴(kuò)展到空間領(lǐng)域，將基于時(shí)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(diǎn)，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(dòng)能量圖進(jìn)行降維，將一周期的步態(tài)圖像序列經(jīng)過(guò)累加差分的方法生成一張圖像，解決了步態(tài)識(shí)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(jì)理論的支持向量機(jī)理論，原因是對(duì)于步態(tài)數(shù)據(jù)而言，個(gè)體樣本訓(xùn)練數(shù)是有限的，而支持向量機(jī)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(duì)其余的原則來(lái)模式識(shí)別不同樣本，在中科院的CASIA步態(tài)數(shù)據(jù)庫(kù)中正常行走、