基于图像处理技术的步态识别

论文摘要

步态识别是新型的生物特征识别技术。随着犯罪手段的多样化和高科技化，安全场合对身份识别技术的要求越来越高。步态识别由于非接触性，远距离，难隐藏等优点目前受到很多生物特征研究者的关注。本文研究步态识别算法，首先对当前流行的步态识别方法进行了深入分析，内容包括步态识别过程中目标分割，特征提取，模式分类等阶段。建立背景模型，用差分图像方法获取步态运动目标区域，经二值化操作，设计模板用数学形态学方法消除差分图像的裂痕，提出投影法目标区域归一化处理算法，使处理后的步态图像大大减少了受噪声影响并后续处理提供了方便。研究将zernike矩用于提取步态识别特征的算法。提出基于人体下半部两腿外部轮廓包围的面积的特征提取方法。采用监督学习的聚类方法对样本进行模式分类。用步态数据库数据进行仿真获得了令人满意的结果。最后完成了用于步态识别图像处理系统硬件构建的软件编制。为今后进一步的研究处理建立了基础。

论文目录

• 摘要
• ABSTRACT
• 第一章:引言
• 1.1 生物特征识别技术简介
• 1.2 生物特征识别技术分类
• 1.2.1 基于生理特征的识别技术
• 1.2.2 基于行为特征的识别技术
• 1.2.3 生物特征识别技术的识别标准
• 1.3 生物特征识别技术的发展趋势
• 1.4 步态识别技术的应用前景
• 1.5 步态识别技术所研究的问题
• 1.6 论文要做的工作
• 第二章 步态识别的过程及常用方法
• 2.1 步态识别分类
• 2.2 步态识别过程
• 2.2.1 数据获取
• 2.2.2 预处理
• 2.2.3 运动目标分离
• 2.2.3.1 基于运动分析的方法
• 2.2.3.2 基于图像匹配的方法
• 2.2.3.3 区域匹配
• 2.2.3.4 模型匹配
• 2.2.4 频率域匹配
• 2.2.5 步态特征选择与特征分析
• 2.3 本章小节
• 第三章 运动目标检测方法研究
• 3.1 背景建模
• 3.2 差分图像
• 3.3 运动变化区域检测
• 3.4 图像序列运动目标区域归一化处理
• 3.4.1.投影法获取运动变化矩形区域
• 3.4.2.运动变化区域大小归一化
• 3.5 本章小结
• 第四章 基于矩特征的步态识别
• 4.1 矩与不变矩理论
• 4.2 Zernike矩
• 4.3 平移和尺度的归一化
• 4.4 基于Zernike矩的特征提取
• 4.5 步态特征聚类识别个体
• 4.5 小结:
• 第五章 基于面积特征的步态识别
• 5.1 步态特征提取:
• 5.2 步态特征提取方法
• 5.3 统计数据分析
• 5.4 人体下半部分的Zernike矩分析
• 5.5 小结
• 第六章 步态识别图像处理系统
• 6.1 图像处理系统软、硬件环境
• 6.2 步态识别图像处理系统软件设计
• 6.1.1 软件功能模块
• 6.1.2 软件算法流程
• 6.3 小结
• 第七章 结论
• 参考文献
• 致谢
• 读研期间发表的论文
• 读研期间参加的科研项目