基于腿部三角特征的贝叶斯步态识别方法研究

论文摘要

随着现代社会对安全要求的提高,传统身份识别方法受到局限,生物识别技术作为实现安全的手段得到大力的研究和发展。步态识别作为生物特征识别技术的新兴领域,以其难于隐藏和伪装、便于采集和远距离低分辨率识别等优点,成为近年来计算机视觉领域备受关注的前沿方向。在步态的身份识别技术研究中,本文在步态特征提取和身份分类识别,以及识别系统的构建方面做了尝试和探索。针对目前步态识别算法中出现的特征庞大、计算复杂等缺点,本文提出了一种基于腿部三角特征的贝叶斯步态识别方法。对步态序列的原始图像,运用改进的背景差分方法进行运动分割,二值化之后用形态学方法消除噪音,根据幅值的周期性变化曲线提取关键帧。运用检测算法对提取的关键帧进行人体检测以及人体区域划分后,用三角形分别对最大关键帧以及最小关键帧进行模拟,提取三角形的三边长度、上顶角值以及人体髋部中点坐标为步态特征。识别时引入KNN或者N-best分类对属性值初次分类,再用贝叶斯分类识别。在NLPR数据库上使用留一校验方法进行算法验证,取得了比较理想的识别效果。同时,本文采用Matlab语言作为开发工具,结合Web技术及其相应功能,设计并实现了基于腿部三角特征的N-best-Bys步态识别学习演示系统。系统以步态识别技术为主体,贯穿了模式识别的基础原理、方法和理论。步态识别学习演示系统面向现实应用,使得学生具有感性认识,提高了学生的自主学习能力。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 引言
• 1.1 生物识别技术
• 1.2 步态识别简介
• 1.3 步态识别的应用
• 1.4 本文的主要工作和组织结构
• 第二章 步态识别的一般过程
• 2.1 运动分割
• 2.2 步态特征提取
• 2.2.1 基于模型的方法
• 2.2.2 基于整体的方法
• 2.3 模式分类
• 2.4 步态数据库
• 第三章 基于腿部三角特征的贝叶斯步态识别方法
• 3.1 图像预处理
• 3.1.1 图像分割
• 3.1.2 人体区域检测
• 3.1.3 关键帧选取
• 3.2 腿部三角特征提取
• 3.2.1 腿部三角特征的提出思路
• 3.2.2 腿部三角特征的提取
• 3.3 分类算法
• 3.3.1 问题的提出
• 3.3.2 朴素贝叶斯分类
• 3.3.3 KNN-Bys分类
• 3.3.4 N-best-Bys分类
• 3.4 评价标准及实验结果分析
• 3.4.1 步态识别评价标准
• 3.4.2 实验结果分析
• 第四章 步态识别学习演示系统设计与实现
• 4.1 需求分析
• 4.2 系统设计
• 4.2.1 系统总体设计
• 4.2.2 系统界面设计
• 4.3 系统实现
• 4.4 基于Matlab Web Server的步态识别学习演示系统
• 4.4.1 Matlab Web Server概述
• 4.4.2 系统设计
• 4.4.3 系统实现
• 第五章 总结与展望
• 5.1 论文及研究工作总结
• 5.2 后续工作及期望
• 参考文献
• 致谢
• 攻读学位期间的主要研究成果