具有深度信息的視頻圖像中的人物步態(tài)識(shí)別技術(shù)研究.pdf

1、伴隨著當(dāng)代信息社會(huì)的發(fā)展，安全成為了越來(lái)越重要的話題。如何有效的在對(duì)安全要求較高或者較敏感的區(qū)域進(jìn)行可靠的人物身份自動(dòng)驗(yàn)證或者確認(rèn)是非常重要的。傳統(tǒng)的身份驗(yàn)證方法比如密碼，身份卡易遺失、被偽造等。人臉識(shí)別、指紋識(shí)別等生物特征識(shí)別技術(shù)通過(guò)比對(duì)人本身屬性來(lái)提供更加有效的身份識(shí)別手段。在眾多被用做身份驗(yàn)證的生物特征中，步態(tài)識(shí)別因?yàn)檫h(yuǎn)距離識(shí)別、隱藏性和非侵犯性等優(yōu)勢(shì)，而獲得了廣大研究者的關(guān)注。
　　具有深度信息的視頻圖像在智能監(jiān)控，生物識(shí)

2、別技術(shù)，安全領(lǐng)域具有很大的優(yōu)勢(shì)，很重要的一個(gè)原因是因?yàn)樗芴峁┤梭w骨骼三維模型來(lái)支持對(duì)人行為、動(dòng)作的精準(zhǔn)建模，而不僅僅是使用彩色和紋理信息。
　　基于視頻的人物檢測(cè)是計(jì)算機(jī)視覺(jué)一項(xiàng)重要的應(yīng)用。對(duì)于視頻中人的身份識(shí)別和確認(rèn)，也需要先將人物檢測(cè)出來(lái)，然后進(jìn)行特征的提取和識(shí)別分類，視頻中人物檢測(cè)的準(zhǔn)確度直接關(guān)系到后續(xù)的特征提取和識(shí)別分類的準(zhǔn)確率。
　　本文首先使用自適應(yīng)的非局部均值方法對(duì)深度視頻圖像進(jìn)行預(yù)填補(bǔ)和去噪等預(yù)處理流程。然

3、后研究了基于深度卷積網(wǎng)的視頻中人物的檢測(cè)技術(shù)，采用預(yù)訓(xùn)練的模型AlexNet初始化網(wǎng)絡(luò)參數(shù)，并使用本章的數(shù)據(jù)集對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行微調(diào)，極大程度降低了網(wǎng)絡(luò)的訓(xùn)練時(shí)間，一定程度上避免了網(wǎng)絡(luò)的過(guò)擬合。相對(duì)于傳統(tǒng)的人物檢測(cè)方法——基于HOG特征的人物檢測(cè)方法，基于深度卷積網(wǎng)的技術(shù)的檢測(cè)準(zhǔn)確度有了較大幅度的提升。最后，本文基于 Kinect的骨骼跟蹤功能探索了基于相對(duì)運(yùn)動(dòng)的步態(tài)特征?；谙鄬?duì)距離的運(yùn)動(dòng)特征被提出來(lái)，特定關(guān)鍵節(jié)點(diǎn)之間的距離及其變化被用來(lái)