存在干擾因素情況下的步態(tài)識別.pdf

1、步態(tài)識別因其無侵犯性、易于采集、難以隱藏、可遠距離識別等特點受到生物特征識別學界的廣泛關(guān)注，成為多模態(tài)生物識別系統(tǒng)的一個重要組成部分。本文針對待識別目標的步態(tài)特征樣本相對于該目標注冊時的步態(tài)特征樣本存在一些干擾因素，如攜帶物品或者衣著類型發(fā)生變化時，步態(tài)識別的準確率會受到影響這一問題展開研究，對常見的步態(tài)視頻預處理、運動目標檢測與分割、形態(tài)學后處理及特征提取方法進行了實現(xiàn)，并就存在干擾因素時的特征提取、選擇方法以及分類器設計進行了研究。

2、
　　本文首先研究了基于信息熵子模式典型相關(guān)分析的步態(tài)識別方法，提出將局部信息熵值作為子模式的劃分依據(jù)，以期將干擾因素局限在某一個或幾個子模式中，并使用典型相關(guān)分析方法建立起了任意一個目標在普通行走情況與存在干擾因素情況下的步態(tài)特征之間的聯(lián)系。在分類階段，對多個局部相關(guān)系數(shù)進行加權(quán)求和得到整體相關(guān)系數(shù)，作為最終的分類依據(jù)，從而抑制了干擾因素對于整體識別效果的影響。
　　基于信息熵子模式典型相關(guān)分析的步態(tài)識別方法首先需要對當前

3、待測目標的步態(tài)樣本中是否可能存在干擾因素做出判斷，針對這一不足，本文研究了基于擴充字典和協(xié)同表示的步態(tài)識別方法，針對待測目標步態(tài)樣本中存在干擾因素時協(xié)同表示分類器效果不理想的問題，為字典擴充了一些干擾因素分量元素，以消除重構(gòu)殘差中干擾因素分量的影響。
　　在CASIA(B)步態(tài)數(shù)據(jù)庫上進行的多組實驗說明了本文算法的有效性。最后，本文以Visual Studio2012作為開發(fā)平臺，利用計算機視覺庫OpenCV完成了Windows平