基于人體輪廓和腿部特征的步態(tài)識別方法.pdf

1、隨著計算機視覺、模式識別等技術的不斷進步以及人們對自身安全的重視，視頻監(jiān)控系統(tǒng)的應用得到了快速發(fā)展，其中利用計算機視覺的圖像及視頻中人體行走的步態(tài)進行身份識別是重要的研究內容之一。步態(tài)識別作為一種生物識別方法，它主要根據(jù)人體行走的姿態(tài)來達到身份識別的目的，該方法具有遠距離、非接觸性特點，且可以在不干擾他人狀態(tài)下進行，因此，步態(tài)識別成為當前生物識別領域的研究熱點，并且吸引了很多研究人員的廣泛關注。然而，由于步態(tài)認知尚處于一個初級階段，再加

2、上客觀環(huán)境與人的運動的復雜性，使得人的步態(tài)識別變得較為困難，所以，在步態(tài)識別中還有許多問題需要解決，例如步態(tài)特征提取，提高步態(tài)識別率和識別速度等問題。
　　本研究主要內容包括：⑴分析研究LDA及其擴展方法，提出了變形PCA與RLDA相結合的特征提取方法vPCA+RLDA。通過選取訓練樣本的總體散布矩陣的正特征值對應的特征向量，以此組成一個維數(shù)較低的變換空間。在此空間中，為了調整特征值方差與偏差過大對識別率造成影響以及克服小樣本問題

3、，對每類樣本的協(xié)方差矩陣增加一個正則項，從而構成新的準則函數(shù)，通過求解該優(yōu)化問題，并選擇部分特征向量組成特征矩陣。⑵針對步態(tài)識別易受背包、穿外衣等外界因素干擾，結合腿部輪廓區(qū)域，提出了一種基于腿部輪廓區(qū)域與整體特征相結合的步態(tài)識別算法。使用vPCA和RLDA方法對步態(tài)能量圖像(GEI)以及腿部輪廓區(qū)域(RBL)圖像分別進行降維和特征提取，將提取的兩部分特征結合在一起共同表示一個行人的步態(tài)特征。⑶針對步態(tài)識別整體運行時間較長的問題，結合兩

4、類問題的迭代模糊孿生支持向量機方法對步態(tài)識別進行了研究。針對步態(tài)識別多類問題，采用逐對分類的方式，將其轉換為多個兩類的迭代模糊孿生支持向量機，并將分類結果通過投票方式確定步態(tài)所屬類別。⑷通過選取中科院的步態(tài)數(shù)據(jù)庫CASIA A、CASIA B和CASIA C以及識別率和運行時間兩種評價標準，并結合四種分類方法，即NN分類器、支持向量機分類器、k近鄰分類器和迭代模糊孿生支持向量機，對提出的步態(tài)特征提取方法進行了實驗研究，驗證了提出的特征提