基于Procrustes形狀頻譜分析的多視角步態(tài)識(shí)別算法.pdf

1、隨著社會(huì)的發(fā)展，安全性問題越來越多的受到關(guān)注，尤其是在一些對(duì)安全性特別敏感的場(chǎng)所。于是很多生物識(shí)別技術(shù)就被應(yīng)用到安全領(lǐng)域。步態(tài)作為一種新型的步態(tài)特征以其固有的優(yōu)勢(shì)：非入侵性，遠(yuǎn)距離身份識(shí)別，難以隱藏性，可在對(duì)方未知的情況下得到其步態(tài)特征，用戶接受程度高等特點(diǎn)獲得了越來越多的關(guān)注。步態(tài)識(shí)別就是根據(jù)人走路的姿勢(shì)進(jìn)行識(shí)別和認(rèn)證。隨著人們對(duì)安全性要求的不斷提高，關(guān)于步態(tài)識(shí)別的研究將會(huì)不斷的深入和完善，在未來很有可能應(yīng)用到日常生產(chǎn)生活的各個(gè)方面。

2、現(xiàn)有的很多算法大多都是研究基于側(cè)面的步態(tài)識(shí)別算法，本文的研究重點(diǎn)是要尋找一種具有高識(shí)別率、高速度和多視角的步態(tài)識(shí)別算法，初步構(gòu)建一個(gè)基于CASIA DatabaseB的步態(tài)識(shí)別系統(tǒng)，能夠?qū)崿F(xiàn)和演示整個(gè)步態(tài)識(shí)別的過程。本文做的工作主要有：
　　 (1)在運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，應(yīng)用了改進(jìn)的背景減除算法，用當(dāng)前幀圖像和背景圖像的加權(quán)來獲得新的背景圖像。
　　 (2)在輪廓線采樣時(shí)，本文采用分區(qū)域定點(diǎn)數(shù)采樣的方法進(jìn)行采樣，就是根據(jù)人體

3、的生理結(jié)構(gòu)將人體分為頭肩區(qū)、軀干區(qū)、腿腳區(qū)，根據(jù)這幾個(gè)區(qū)域的重要性，規(guī)定各個(gè)區(qū)域的采樣點(diǎn)數(shù)，然后在每個(gè)區(qū)域中等角度采樣。
　　 (3)提出了一種基于Procrustes均值形狀的傅里葉頻譜分析(Fourier Spectrum Analysis of Procrustes Mean Shape，F(xiàn)SAOPMS)的適用于多視角的步態(tài)識(shí)別方法。利用Procrustes統(tǒng)計(jì)形狀分析方法將步態(tài)序列中人體輪廓的連續(xù)步態(tài)變化表示成一個(gè)緊致的

4、Procrustes均值形狀(Procrustes mean shape，PMS)，Procrustes形狀是方向統(tǒng)計(jì)學(xué)中的形狀描繪方法，本質(zhì)上就是一個(gè)二維圖像的配置向量。將PMS作為原始步態(tài)特征，對(duì)PMS進(jìn)行傅里葉頻譜分析(Fourier Spectrum Analysis，F(xiàn)SA)。將PMS的幅度譜作為最終的步態(tài)特征。
　　 (4)幅度譜是一種包含整體和細(xì)節(jié)信息的實(shí)數(shù)標(biāo)量特征，提出利用歐式距離來度量?jī)蓚€(gè)頻譜的相似度，最后，利

5、用最近鄰(NN)和K-近鄰(KNN)兩種分類器進(jìn)行識(shí)別。在中科院自動(dòng)化所的CASIA Gait Database B數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，證實(shí)了本文提出的算法具有令人鼓舞的識(shí)別性能。
　　 (5)系統(tǒng)構(gòu)建方面，本文實(shí)現(xiàn)了一個(gè)基于中科院自動(dòng)化所CASIA Database B簡(jiǎn)單的步態(tài)識(shí)別系統(tǒng)，為研究、比較算法搭建了一個(gè)很好的平臺(tái)。此系統(tǒng)提高了兩個(gè)指標(biāo)來判斷算法的優(yōu)越性，分別是：識(shí)別正確率、特征提取和識(shí)別所耗費(fèi)的時(shí)間，這里提到的時(shí)間