基于步态的身份识别技术研究

论文摘要

步态识别作为一种新兴的生物特征识别技术,主要通过检测人们走路的方式来进行身份识别,而不论他(她)们穿着什么样的衣服。与传统的生物特征识别(如：指纹、人脸等)相比,它可以远距离的对人进行有效的身份验证。而且,步态是很难被伪装或隐藏的。因此,近年来成为计算机视觉和模式识别领域的研究热点,在智能监控、医疗诊断等方面有着广泛的应用前景。本文对基于步态的身份识别技术进行了深入的研究,主要包括：步态检测及预处理、特征提取和分类识别三个部分。步态特征的提取一直是步态识别的研究重点,同样也是本文的研究重点。首先,对步态检测和背景建模方法进行深入的研究。本文采用背景减除法提取人体运动目标,采用高斯模型法进行背景建模,并对二值化人体轮廓图像进行形态学、归一化等处理,对步态周期进行分析,提出一种关键帧提取算法,有效去除冗余帧。其次,对步态特征提取方法进行研究。详细阐述步态能量图理论,探讨如何选取有效的特征和选取什么特征,提出一种特征选择掩膜方法,对步态能量图进行改进。对主成分分析(PCA)和支持向量机(SVM)理论进行研究,并给出本文特征提取算法。最后,在理论研究的基础上,实现一个简单易操作的步态识别系统。在中国科学院自动化研究所提供的CASIA步态数据库上,对本文提出的关键技术进行实验分析与验证。实验结果表明,本文提出的方法具有较高的识别率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 现存的问题
• 1.3 论文的主要工作内容
• 1.4 论文的组织结构
• 第2章 系统框架设计
• 2.1 系统设计思想及原则
• 2.1.1 设计思想
• 2.1.2 设计原则
• 2.2 系统处理流程
• 2.3 系统功能模块划分
• 2.3.1 系统模块组成
• 2.3.2 各功能模块设计
• 2.4 本章小结
• 第3章 步态检测及预处理
• 3.1 步态检测方法概述
• 3.1.1 背景减除法
• 3.1.2 帧间差分法
• 3.1.3 光流法
• 3.2 背景建模
• 3.2.1 中值法
• 3.2.2 均值法
• 3.2.3 高斯模型法
• 3.3 人体区域提取
• 3.3.1 差值及二值化
• 3.3.2 形态学处理
• 3.3.3 归一化处理
• 3.4 步态周期分析
• 3.4.1 周期检测
• 3.4.2 关键帧提取
• 3.5 本章小结
• 第4章 步态特征提取及识别
• 4.1 特征提取方法概述
• 4.1.1 基于模型的方法
• 4.1.2 基于非模型的方法
• 4.2 步态表征
• 4.2.1 步态能量图
• 4.2.2 特征选择掩膜
• 4.3 主成分分析（PCA）
• 4.3.1 原理概述
• 4.3.2 PCA特征降维
• 4.4 支持向量机（SVM）
• 4.4.1 原理概述
• 4.4.2 分类器设计
• 4.5 特征提取算法
• 4.6 本章小结
• 第5章 系统实现及实验分析
• 5.1 系统功能概述
• 5.2 系统开发环境
• 5.3 主要模块处理流程
• 5.4 步态检测及预处理实现
• 5.4.1 步态检测
• 5.4.2 图像处理
• 5.5 训练及识别实现
• 5.5.1 SVM训练
• 5.5.2 SVM识别
• 5.6 实验及结果分析
• 5.6.1 数据集
• 5.6.2 结果分析
• 5.7 本章小节
• 结论
• 参考文献
• 攻读硕士期间发表的文章和取得的科研成果
• 致谢