论文摘要
步态是指一个人行走时整个身体的运动姿势。具有远距离、非接触性、难于隐藏和伪装、易于采集等优点。步态识别是近年来越来越多的计算机视觉研究者所关注的一种较新的生物认证技术,它通过人的走路方式来识别人的身份,在虚拟现实,视频监控,医学步态分析中均有着广泛的应用前景。步态识别是针对含有人的运动图像序列进行分析处理,因此一个步态识别系统通常包括人体步态数据的采集、步态的检测、步态特征的提取和步态识别几个过程。鉴于步态识别技术具有重要的理论价值和现实意义,本文在已有研究的基础上,围绕着步态识别这个主题,主要对以下几个方面进行了深入研究:1.提出了一种基于自适应背景模型的步态检测的方法,对步态视频序列每一帧的每一个像素点建立混合高斯背景模型,根据当前帧对应像素点与背景模型的匹配程度来实现背景的实时更新,并检测出人体的运动区域。同时比较了基于中间值背景模型的步态检测方法和基于自适应背景模型的步态检测方法,实验证明后者在处理0°视角的步态序列效果比较理想。2.研究了步态的表征方法,在空间上将每一帧图像的人体外轮廓的一维宽度向量作为步态特征进行分析,并对宽度向量归一化,以消除后期工作中由于图像大小不一造成用来比较的图像轮廓点数不一致的影响,这样这些时变的二维轮廓形状就转化为对应的一维宽度向量;将每个步态序列在步态周期上的宽度向量的叠加作为步态时间域特征进行分析;并且用PCA方法对特征距阵进行了变换,尽可能的降低特征向量的维数。3.探讨了多视角情况下的步态识别,分别对五个不同视角下(0o、18°、36o、90o、126°)的步态宽度特征用支持向量机进行分类识别,并验证了宽度特征对视角变化的敏感度。最后在Matlab平台对述实验进行了仿真,实验结果表明该算法容易理解和实现,并获得了理想的识别性能。