基于剪影表述的步態(tài)識(shí)別算法研究和系統(tǒng)實(shí)現(xiàn).pdf

1、鑒于生物特征的人員身份認(rèn)證算法中,步態(tài)以其獨(dú)特的優(yōu)勢(shì)被廣泛應(yīng)用于諸多領(lǐng)域。作為步態(tài)識(shí)別算法中最為關(guān)鍵的技術(shù)之一,特征提取與描述一直是該研究的重要切入點(diǎn)。特征信息來(lái)源主要包括兩方面:基于形狀信息的特征和基于動(dòng)力學(xué)信息的特征。經(jīng)過(guò)深入研究,人們發(fā)現(xiàn)動(dòng)力學(xué)信息的波動(dòng)性極大,不同的行走路面,不同的行走速度,甚至行走過(guò)程中是否攜帶物品,都會(huì)影響到所提取特征信息的有效性。因此,在基于步態(tài)的身份識(shí)別領(lǐng)域中,最有效穩(wěn)定的特征信息是形狀信息。另一方面,特

2、征的統(tǒng)計(jì)特性更適合決策個(gè)體之間的一致性和差異性,這種基于統(tǒng)計(jì)特性的識(shí)別算法相對(duì)于模板匹配的識(shí)別算法而言,在噪聲和圖像信息非一致性方面的魯棒性更強(qiáng),計(jì)算復(fù)雜度也更低。
　　本論文圍繞基于剪影形狀信息的特征表述開展了比較系統(tǒng)和深入的研究,包括以下主要工作。
　　1、作為本文重要的理論支撐,首先對(duì)基于剪影表述的步態(tài)識(shí)別中所涉及到的檢測(cè)、特征提取、特征空間變換、分類器設(shè)計(jì)等方法做了系統(tǒng)的闡述。在此基礎(chǔ)上,提出了一種將時(shí)空輪廓變化和不

3、變矩相結(jié)合的特征提取算法,對(duì)轉(zhuǎn)換后的1D距離信號(hào)做不變矩計(jì)算,既避免了剪影序列尺寸的歸一化,同時(shí)又大大降低了傳統(tǒng)不變矩方法的計(jì)算量過(guò)大問(wèn)題。
　　2、基于時(shí)變的步態(tài)輪廓形狀信息,利用特征間對(duì)應(yīng)關(guān)系所具有的非平穩(wěn)統(tǒng)計(jì)特性,提出了一種新的基于特征關(guān)系表述的特征描述方法。該方法具將剪影輪廓相鄰像素點(diǎn)的八鄰域相對(duì)方向標(biāo)號(hào)作為關(guān)系屬性之一,將輪廓邊界點(diǎn)與中心點(diǎn)間的距離信號(hào)作為另一關(guān)系屬性,得到這兩種屬性的聯(lián)合概率分布,以此表征時(shí)變的步態(tài)輪廓

4、信息,結(jié)合PCA降維的方法,提取特征主向量;最后,采用最近鄰分類器進(jìn)行識(shí)別分類,實(shí)驗(yàn)證明,該特征描述算法的有效性。
　　3、局部保留投影(LPP)是一種具有非線性數(shù)據(jù)表示特性的特征提取算法,但未能有效地利用樣本類內(nèi)和類間離散度信息。為此提出了一種改進(jìn)的二維局部保留投影算法,通過(guò)在LPP算法中加入修正因子,引入樣本類別判別信息;將改進(jìn)后的LPP算法應(yīng)用于二維特征矩陣,避免了流信息的部分丟失。
　　4、將二元檢測(cè)器的概念引入到分

5、類中,提出了一種新的分類方法。利用隨機(jī)森林做檢測(cè)器,將原來(lái)的步態(tài)分類問(wèn)題轉(zhuǎn)化為訓(xùn)練同類別檢測(cè)器;該方法采用二進(jìn)編碼模式(2bitBinaryPattern)對(duì)特征矩陣進(jìn)行編碼描述,以最大后驗(yàn)概率為原則來(lái)判定分類識(shí)別的結(jié)果;由于采用在線學(xué)習(xí)機(jī)制,能有效保存記錄某人出現(xiàn)在視頻序列中的各種步態(tài)樣本信息,在遮擋半遮擋或是姿勢(shì)突變等情況下有較好的識(shí)別效果。
　　5、搭建了基于步態(tài)識(shí)別算法的人員身份認(rèn)證系統(tǒng),該系統(tǒng)具有友好的人機(jī)交互界面,操作