多視角下視頻序列的人體特征提取與快速識別算法研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展和成熟，計算機(jī)視覺技術(shù)在人們生活中的應(yīng)用越來越普及，利用計算機(jī)視覺技術(shù)實現(xiàn)的生物識別在日常生活中得到了重要的利用。和其他的識別技術(shù)相比，生物識別技術(shù)有著唯一性和穩(wěn)定性的優(yōu)點(diǎn)，因此引起相關(guān)領(lǐng)域研究學(xué)者的廣泛興趣。現(xiàn)在的生物識別技術(shù)主要包括:虹膜識別，指紋識別，人臉識別和步態(tài)識別等。視頻序列中的運(yùn)動人體目標(biāo)可通過計算機(jī)視覺技術(shù)進(jìn)行目標(biāo)檢測，圖像處理，特征提取，特征融合等處理來達(dá)到身份識別的目的。運(yùn)動人體特征的分析和識別

2、在很多領(lǐng)域（智能監(jiān)控，人機(jī)交互，虛擬現(xiàn)實等）和敏感安全場合（銀行，機(jī)場，軍事基地等）有著重要的價值和意義。
　　 本文的研究目的是進(jìn)一步提高視頻序列中人體身份識別的性能，為智能監(jiān)控系統(tǒng)實現(xiàn)真正的應(yīng)用做出相應(yīng)貢獻(xiàn)。
　　 完成人體識別的關(guān)鍵是提取有效、可靠的人體特征，這些特征包括人臉特征、虹膜特征、指紋特征、步態(tài)特征等。其中步態(tài)特征具有遠(yuǎn)距離、非接觸性、難于隱藏和偽裝等優(yōu)點(diǎn)，是更適合用在智能監(jiān)控系統(tǒng)中的運(yùn)動人體特征，近年來

3、有大量的步態(tài)識別算法涌現(xiàn)出來。
　　 一般情況下，運(yùn)動人體識別包括運(yùn)動人體目標(biāo)提取、提取運(yùn)動特征和分類識別三個部分。本論文在對大量運(yùn)動特征識別經(jīng)典算法研究的基礎(chǔ)上，重點(diǎn)對特征提取部分和分類識別兩部分進(jìn)行了研究改進(jìn)，提出一種識別性能更優(yōu)的新算法。本文做的工主要作和取得的成果包括:
　　 1.提取了更優(yōu)的運(yùn)動人體特征。人體運(yùn)動過程中有許多特征可以提取，把所有的特征都提取出來用以身份識別可以得到100％的正確率，但顯然這是不現(xiàn)

4、實的，若值提取單一的特征進(jìn)行識別又會使識別率變的很低，基于此，本論文選取的是區(qū)域面積特征和肢體角度特征來表征運(yùn)動人體，這在保證了實時性的情況下有效的提高了識別率。人體輪廓具有唯一性，可用來表征人體身份，傳統(tǒng)上人們用輪廓上實際的輪廓點(diǎn)來描述人體輪廓，本文對此進(jìn)行了改進(jìn)，將運(yùn)動人體區(qū)域劃分成若干個小區(qū)域，并利用每個區(qū)域的面積特征對輪廓進(jìn)行描述，這樣不僅省去了檢測輪廓線的復(fù)雜計算也減少了不實輪廓點(diǎn)對識別性能的影響。隨人體進(jìn)行同步運(yùn)動的上百個肢

5、體關(guān)節(jié)包含豐富的動態(tài)特性，本文提取軀干等九個肢體角度特征和表征靜態(tài)特性的區(qū)域面積特征在決策層進(jìn)行融合后用來最后的身份識別。
　　 2.對分類識別算法進(jìn)行了深入分析。論文的最終目的是完成身份識別，提取的特征是為分類識別服務(wù)的，本文選用模糊最近鄰分類器實現(xiàn)目標(biāo)的分類，該分類器是一種多分類器并聯(lián)結(jié)構(gòu)分類器，通過單分類器將單個特征進(jìn)行分類后，根據(jù)不同特征在融合過程中的隸屬度不同加入權(quán)值進(jìn)行融合做出最后的分類決策。
　　 實驗表明