基于Radon变换的统计矩步态识别技术研究

论文摘要

步态识别作为一种新兴的生物特征识别技术,目的是通过人走路的姿势实现对个人身份的识别和认证,它是远距离情况下最有潜力的生物特征识别技术之一,因此已经被广泛地应用在智能监控、人机接口和人体行为分析等领域。本文主要研究了两种基于Radon变换的统计矩步态识别算法。在实现算法时,首先采用自适应背景提取算法得到步态序列的背景,再对图像进行预处理以获取二值人体区域,并根据轮廓宽度从每一个步态周期中提取关键帧。第一种算法采用Radon不变矩提取关键帧投影变换的平移、比例和旋转不变量作为步态识别的特征。第二种算法使用本文新提出的Radon速度矩提取步态图像帧之间的时空信息相关性特征作为步态识别的依据。最后使用支持向量机(SVM)分别对这两种特征向量进行训练和识别。通过在两个不同的步态数据库上对两种算法的可行性进行验证,取得了较高的识别率,说明本文采用的方法和提出的新算法都是行之有效的,具有较好的应用前景。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 步态识别技术
• 1.2.1 步态识别技术的特点和研究内容
• 1.2.2 步态识别研究难点
• 1.3 本文内容和结构
• 1.3.1 主要研究内容
• 1.3.2 本文组织结构
• 第二章 步态识别算法研究
• 2.1 步态数据库
• 2.2 步态图像预处理技术
• 2.3 特征表示方法
• 2.4 分类器设计
• 2.5 小结
• 第三章 统计矩理论及应用
• 3.1 统计矩理论
• 3.1.1 矩的概念
• 3.1.2 矩的物理意义
• 3.1.3 矩的变换
• 3.2 Hu 矩
• 3.3 Zernike 矩
• 3.4 小波矩
• 3.5 小结
• 第四章 步态图像预处理
• 4.1 运动区域检测
• 4.1.1 自适应背景建模
• 4.1.2 差分和二值化图像
• 4.2 二值图像处理
• 4.2.1 图像平滑
• 4.2.2 形态学处理
• 4.2.3 连通分量分析
• 4.3 步态周期检测和关键帧提取
• 4.4 小结
• 第五章 基于 Radon 变换的统计矩特征提取算法
• 5.1 Radon 变换
• 5.2 Radon 不变矩特征提取方法
• 5.3 Radon 速度矩特征提取方法
• 5.3.1 速度矩定义
• 5.3.2 Radon 速度矩
• 5.4 小结
• 第六章 步态识别实验和结果分析
• 6.1 步态识别实验
• 6.1.1 预处理及特征提取
• 6.1.2 分类器设计
• 6.2 实验结果和分析
• 6.2.1 识别结果
• 6.2.2 算法比较
• 6.3 小结
• 结论
• 致谢
• 参考文献
• 作者在读期间研究成果