基于区域变化率和矩特征的步态识别研究

基于区域变化率和矩特征的步态识别研究

论文摘要

生物特征识别技术是利用人自身所固有的生物特征进行身份认证。人脸、指纹、声音和虹膜等生物识别技术的成功应用为身份的准确鉴定以及保证信息安全提供了强有力的手段。但是随着社会的发展,这些身份识别方法由于自身的局限性,已经不能满足社会多方面的需要。研究和开发新的更为有效的身份识别方法势在必行,步态识别就是身份识别中的一项新技术,它旨在根据人走路的姿势进行身份识别。它是远距离情况下最具潜力的生物特征识别技术之一,因此得到人们广泛的关注。论文针对步态识别这一主题,主要研究了以下几个方面的内容:(1)面向步态视频信息的图像预处理技术。本文采用均值法进行序列图像的背景重建,利用背景减除法检测图像中运动的人体区域,并通过全局阈值法与图像形态学处理相结合的方法实现运动区域的分割。(2)步态信息的动态特征与静态特征的提取。本文提出一种基于局部区域变化率与不变矩的特征提取算法,首先通过计算每个图像周期序列的局部区域的变化率实现运动目标动态信息的提取,再通过对单帧图像的区域划分结合不变矩特征提取目标的静态信息,从而将两种特征进行整合实现动态与静态信息的有效提取。(3)步态的分类识别部分,采用基于统计学习理论的支持向量机分类器。分别以局部区域变化率、不变矩以及它们的整合为特征在CAISA步态数据库上进行实验,分析了实验结果,并且采用了累计匹配概率(CMS)和接收机操作特性(ROC)分别对方法的识别性能和验证性能两方面进行度量。实验结果表明,综合利用步态的静态和动态信息,以及整合步态的多种特征具有良好的识别性能,也论证了本文所采用的方法行之有效,具有较好的应用前景。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 生物特征识别技术
  • 1.2 步态识别的研究内容
  • 1.3 步态识别的研究现状
  • 1.3.1 数据采集
  • 1.3.2 步态特征提取
  • 1.4 论文的主要内容及章节安排
  • 第2章 运动目标检测
  • 2.1 步态检测的常用方法
  • 2.1.1 帧差法
  • 2.1.2 背景减除法
  • 2.1.3 光流法
  • 2.2 背景减除法提取运动目标
  • 2.2.1 均值法背景建模
  • 2.2.2 差分和二值化图像
  • 2.3 二值图像处理
  • 2.3.1 形态学处理
  • 2.3.2 连通分量分析
  • 2.4 小结
  • 第3章 基于区域变化率的步态特征提取
  • 3.1 步态分析
  • 3.1.1 步态描述
  • 3.1.2 步态的特点
  • 3.2 图像的校正和归一化
  • 3.2.1 图像的校正
  • 3.2.2 图像的归一化
  • 3.3 步态的周期性分析
  • 3.4 基于区域变化率的静态特征提取
  • 3.4.1 区域变化率特征思想的由来
  • 3.4.2 区域变化率的静态特征提取
  • 3.5 基于区域变化率的动态特征提取
  • 3.6 小结
  • 第4章 基于不变矩的步态特征提取
  • 4.1 矩及不变矩理论
  • 4.1.1 矩
  • 4.1.2 矩的物理意义
  • 4.1.3 Hu矩
  • 4.2 基于Hu矩的静态特征提取
  • 4.3 不变矩的动态特征提取
  • 4.4 特征整合
  • 4.5 小结
  • 第5章 基于支持向量机的分类识别
  • 5.1 步态数据库简介
  • 5.2 支持向量机分类器的构成
  • 5.2.1 机器学习的相关问题
  • 5.2.2 支持向量机
  • 5.2.3 内积函数
  • 5.2.4 SVM多类分类算法
  • 5.2.5 论文的SVM分类器构造
  • 5.3 步态识别实验及分析
  • 5.3.1 基于区域变化率特征的分类识别
  • 5.3.2 基于不变矩特征的分类识别
  • 5.3.3 基于区域变化率和不变矩的分类识别
  • 5.4 方法性能评估
  • 5.4.1 识别性能评估
  • 5.4.2 验证性能评估
  • 5.5 小结
  • 第6章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].步态识别:人工智能“慧眼”[J]. 上海信息化 2019(11)
    • [2].基于无线传感器网络的步态识别[J]. 计算机工程与设计 2020(07)
    • [3].基于步态识别的人物鉴定系统在犯罪搜查中的应用[J]. 中国安防 2018(10)
    • [4].步态识别特征工程算法研究[J]. 现代商贸工业 2019(10)
    • [5].多视角步态识别综述[J]. 自动化学报 2019(05)
    • [6].步态识别现状与发展[J]. 计算机科学 2019(S1)
    • [7].世界首个基于步态识别的嫌疑人鉴定系统[J]. 中国安防 2018(04)
    • [8].步态识别的深度学习:综述[J]. 模式识别与人工智能 2018(05)
    • [9].人脸识别和步态识别技术融合的必要性[J]. 电脑知识与技术 2018(28)
    • [10].人脸与步态识别技术在人物识别与追踪领域的应用[J]. 河南科学 2017(08)
    • [11].中科院“步态识别”技术 不看脸50m内完成识别[J]. 智能建筑与智慧城市 2017(10)
    • [12].不受服饰携带物影响的步态识别方法[J]. 计算机工程与应用 2016(05)
    • [13].步态识别技术的工作原理及发展趋势[J]. 中国公共安全 2015(Z2)
    • [14].“步态识别”技术:50米内人群中认出你[J]. 东西南北 2017(21)
    • [15].“刷脸”正盛,步态识别又来了[J]. 农村青少年科学探究 2018(06)
    • [16].步态识别——让犯罪分子无处遁形[J]. 少儿科技 2018(11)
    • [17].基于生成对抗图像补全网络的步态识别(英文)[J]. Journal of Central South University 2019(10)
    • [18].基于慢时间分割的超宽带雷达步态识别[J]. 浙江大学学报(工学版) 2020(02)
    • [19].基于人体步态识别技术的视频监控应用研究[J]. 无线互联科技 2020(03)
    • [20].基于改进深度卷积神经网络的步态识别算法[J]. 电子测量与仪器学报 2019(02)
    • [21].基于节点迭代模糊Petri网的非接触异常步态识别方法[J]. 仪器仪表学报 2019(04)
    • [22].基于双特征匹配层融合的步态识别方法[J]. 图学学报 2019(03)
    • [23].步态识别特征的提取和重要性排序[J]. 中国医学物理学杂志 2019(07)
    • [24].基于动态特征和静态特征融合的步态识别方法[J]. 湘潭大学自然科学学报 2017(04)
    • [25].步态识别技术助力安检升级[J]. 金融科技时代 2018(06)
    • [26].基于深度学习的库内作业步态识别监控设计研究[J]. 物流工程与管理 2018(06)
    • [27].基于视觉的步态识别研究综述[J]. 小型微型计算机系统 2018(08)
    • [28].基于手机加速度传感器的步态识别[J]. 南阳理工学院学报 2017(04)
    • [29].黄永祯:让步态识别走进生活[J]. 人民周刊 2018(16)
    • [30].基于动态二维图像序列的三维步态识别方法[J]. 科技通报 2013(10)

    标签:;  ;  ;  ;  

    基于区域变化率和矩特征的步态识别研究
    下载Doc文档

    猜你喜欢