基于人體輪廓和腿部特征的步態(tài)識別方法.pdf

1、隨著計算機(jī)視覺、模式識別等技術(shù)的不斷進(jìn)步以及人們對自身安全的重視，視頻監(jiān)控系統(tǒng)的應(yīng)用得到了快速發(fā)展，其中利用計算機(jī)視覺的圖像及視頻中人體行走的步態(tài)進(jìn)行身份識別是重要的研究內(nèi)容之一。步態(tài)識別作為一種生物識別方法，它主要根據(jù)人體行走的姿態(tài)來達(dá)到身份識別的目的，該方法具有遠(yuǎn)距離、非接觸性特點(diǎn)，且可以在不干擾他人狀態(tài)下進(jìn)行，因此，步態(tài)識別成為當(dāng)前生物識別領(lǐng)域的研究熱點(diǎn)，并且吸引了很多研究人員的廣泛關(guān)注。然而，由于步態(tài)認(rèn)知尚處于一個初級階段，再加

2、上客觀環(huán)境與人的運(yùn)動的復(fù)雜性，使得人的步態(tài)識別變得較為困難，所以，在步態(tài)識別中還有許多問題需要解決，例如步態(tài)特征提取，提高步態(tài)識別率和識別速度等問題。
　　本研究主要內(nèi)容包括：⑴分析研究LDA及其擴(kuò)展方法，提出了變形PCA與RLDA相結(jié)合的特征提取方法vPCA+RLDA。通過選取訓(xùn)練樣本的總體散布矩陣的正特征值對應(yīng)的特征向量，以此組成一個維數(shù)較低的變換空間。在此空間中，為了調(diào)整特征值方差與偏差過大對識別率造成影響以及克服小樣本問題

3、，對每類樣本的協(xié)方差矩陣增加一個正則項(xiàng)，從而構(gòu)成新的準(zhǔn)則函數(shù)，通過求解該優(yōu)化問題，并選擇部分特征向量組成特征矩陣。⑵針對步態(tài)識別易受背包、穿外衣等外界因素干擾，結(jié)合腿部輪廓區(qū)域，提出了一種基于腿部輪廓區(qū)域與整體特征相結(jié)合的步態(tài)識別算法。使用vPCA和RLDA方法對步態(tài)能量圖像(GEI)以及腿部輪廓區(qū)域(RBL)圖像分別進(jìn)行降維和特征提取，將提取的兩部分特征結(jié)合在一起共同表示一個行人的步態(tài)特征。⑶針對步態(tài)識別整體運(yùn)行時間較長的問題，結(jié)合兩

4、類問題的迭代模糊孿生支持向量機(jī)方法對步態(tài)識別進(jìn)行了研究。針對步態(tài)識別多類問題，采用逐對分類的方式，將其轉(zhuǎn)換為多個兩類的迭代模糊孿生支持向量機(jī)，并將分類結(jié)果通過投票方式確定步態(tài)所屬類別。⑷通過選取中科院的步態(tài)數(shù)據(jù)庫CASIA A、CASIA B和CASIA C以及識別率和運(yùn)行時間兩種評價標(biāo)準(zhǔn)，并結(jié)合四種分類方法，即NN分類器、支持向量機(jī)分類器、k近鄰分類器和迭代模糊孿生支持向量機(jī)，對提出的步態(tài)特征提取方法進(jìn)行了實(shí)驗(yàn)研究，驗(yàn)證了提出的特征提