基于小波描述子和人體骨架模型的多視角融合步態(tài)識別.pdf

1、步態(tài)識別是生物特征識別技術中的一個新興子領域，旨在根據(jù)人們行走或跑步的方式確定其身份。由于步態(tài)是目前技術條件下較易遠距離感知的生物特征，隨著安全敏感場合對視覺監(jiān)控系統(tǒng)的迫切需求，步態(tài)識別研究受到了廣泛的關注。 步態(tài)識別主要針對含有人的步行運動圖像進行分析，其關鍵是尋找合適的步態(tài)特征及分類方法，須融合計算機視覺、模式識別以及視頻/圖像序列處理等多種技術。圍繞這個主題，本文對視頻序列的步態(tài)特征提取、識別和評價進行了探索性研究，主要有

2、以下幾部分工作： （1）討論了人體輪廓的特征表達方法。運用鄰域邊界跟蹤算法提取了人體輪廓，經(jīng)對該輪廓進行重采樣和歸一化處理，提取了邊界中心距，為減小運算量，對邊界中心距進行了小波描述，進而使用小波描述子特征來表達步態(tài)信息；基于數(shù)學形態(tài)學算法建立了人體骨架模型，從骨架中提取人體的動態(tài)參數(shù)（如運動過程中的關節(jié)點位置和肢體角度）來表達步態(tài)信息。 （2）利用人體輪廓寬度信號的周期性變化來劃分步態(tài)周期，并將此參數(shù)作為步態(tài)分類識別的

3、基本單元，提取了周期極大值點作為關鍵點及其特征參數(shù)。 （3）采用了支持向量機（SVM）作為分類器和提取的兩種特征參數(shù)（小波描述子和人體骨架模型）在不同樣本數(shù)的數(shù)據(jù)庫上進行了人體身份識別，并比較了這兩種特征識別性能的優(yōu)劣；運用融合算法進行了多特征、多視角融合實驗，證明了多特征、多視角融合的識別性能優(yōu)于單一特征、單一視角方法。 （4）分別引入正確識別率（ProbabilityofCorrectRecognition，PCR）