應用于步態(tài)識別的人體輪廓提取.pdf

1、步態(tài)識別根據人走路的姿勢進行身份識別。和其它生物特征相比，捕捉步態(tài)特征無需身體接觸，不具有侵犯性。在步態(tài)識別中，完整的人體輪廓是特征提取、特征表達、目標分類與目標識別等后期處理的前提條件。因此，本課題的主要目的是研究運用目標分割技術從步態(tài)圖像序列中提取人體輪廓。主要的工作包括以下幾點： ①針對塊匹配算法初始搜索點選擇與實際情況存在差異的問題，在運用UCBDS法(unrestricted center-biased diamond

2、 search，非限制性中心傾向分布的鉆石形搜索方法)進行運動估計時，采用中值法預測初始搜索點，并根據各候選塊匹配度減少LJCBDS法的搜索范圍。 ②研究了一種新的基于運動信息和分水嶺變換的運動目標分割算法。采用改進的塊匹配算法對人體目標運動進行估計，運用分水嶺算法將當前幀圖像分割成封閉而不重疊的小區(qū)域，應用仿射參數模型進行基于運動的塊區(qū)域合并，從而完成人體輪廓的提取。實驗結果表明，該算法提高了步態(tài)識別率。 ③提出基于S

3、nake模型的優(yōu)化人體輪廓的方法。以基于運動信息和分水嶺變換的運動目標分割算法得到的結果代替人工勾勒作為Snake模型的初始輪廓，實現了整個分割過程的自動化。Snake模型算法主要有變分法、動態(tài)規(guī)劃法、Greedy算法。在本文中對Greedy算法進行了改進：通過修改外部能量函數區(qū)分真正的輪廓點和孤立的噪聲點；構造了一個調節(jié)參數公式實現自動調節(jié)內部能量和外部能量的權值。實驗結果表明，該方法能夠在低對比度、局部動態(tài)背景下正確提取人體目標輪廓