基于幀間變化向量的步態(tài)識(shí)別.pdf

1、生物特征識(shí)別是一種利用人的生理或行為特征進(jìn)行身份識(shí)別的技術(shù)。不同于臉像、指紋及虹膜等生物特征對(duì)于近距離等條件的苛刻要求，步態(tài)可以在遠(yuǎn)距離低分辨率下檢測(cè)并度量，且難于偽裝和隱藏，沒(méi)有侵犯性，使其成為視覺(jué)監(jiān)控領(lǐng)域中最有潛力的生物特征。隨著機(jī)場(chǎng)、銀行、商場(chǎng)、軍事基地等安全敏感型場(chǎng)所對(duì)大范圍視覺(jué)監(jiān)控系統(tǒng)的迫切需求，遠(yuǎn)距離的身份識(shí)別研究近年來(lái)引起了計(jì)算機(jī)視覺(jué)研究者們的濃厚興趣。 當(dāng)前步態(tài)識(shí)別的研究正處于起步階段，它主要是利用人的走路方式來(lái)

2、識(shí)別人的身份。本文的主要目的是將視頻序列中的步態(tài)信息發(fā)掘出來(lái)，并利用它進(jìn)行身份識(shí)別。圍繞這個(gè)主題，展開(kāi)了如下幾個(gè)方面的研究： 1)綜述了國(guó)內(nèi)外步態(tài)識(shí)別研究的現(xiàn)狀；針對(duì)當(dāng)前主流的步態(tài)識(shí)別算法，分析了其優(yōu)缺點(diǎn)；同時(shí)將影響步態(tài)的因素進(jìn)行了分類(lèi)和總結(jié)，并探討了步態(tài)識(shí)別的發(fā)展趨勢(shì)。 2)歸納總結(jié)了當(dāng)前主流的運(yùn)動(dòng)檢測(cè)算法，并實(shí)現(xiàn)了基于混合高斯模型的運(yùn)動(dòng)檢測(cè)算法和基于Bayes模型的運(yùn)動(dòng)檢測(cè)算法，并對(duì)二者進(jìn)行了性能比較以及實(shí)驗(yàn)結(jié)果的分

3、析。針對(duì)Bayes算法的更新局限性，將種子區(qū)域增長(zhǎng)引入到運(yùn)動(dòng)檢測(cè)中，極大地改善了Bayes檢測(cè)算法的性能，為下一步的步態(tài)特征提取奠定了堅(jiān)實(shí)的基礎(chǔ)。 3)提出了步態(tài)識(shí)別的框架，并采用第三章提出的改進(jìn)算法進(jìn)行人體特征的提取。通過(guò)將一個(gè)周期內(nèi)的人體步態(tài)的外輪廓按順時(shí)針展開(kāi)，把人體表示成一維距離信號(hào)。并采用PCA(Principal Component Analysis)技術(shù)將人體外輪廓由300維降低到10維，通過(guò)進(jìn)一步提取IVV(In