基于支持向量機的步態(tài)識別.pdf

1、步態(tài)是指人們行走的姿勢，是一種遠距離情況下唯一可感知的生物行為特征。與傳統(tǒng)的指紋、虹膜、臉像等生物生理特征相比，步態(tài)具有難于隱藏和偽裝、便于采集和遠距離低分辨率識別等優(yōu)點。但也存在明顯的缺陷：當二維平面輪廓成為步態(tài)信息的完全表述時，它的唯一性還值得商榷。這也是步態(tài)識別率相對較低的關鍵因素。盡管如此，步態(tài)識別作為生物特征識別技術中的一個新興領域，目前引起了視覺研究者的濃厚興趣，成為近年來計算機視覺領域中備受關注的前沿方向，是人運動視覺分析

2、的重要內容。對步態(tài)識別及其關鍵技術的研究具有重要的學術價值和實用價值。 步態(tài)識別主要是針對含有人的運動圖像序列進行分析處理,通常包括目標分割、特征提取與處理和識別分類三個階段。它在虛擬現(xiàn)實，視覺監(jiān)控，感知接口中均有廣泛的應用前景，本文主要探討了視覺分析中步態(tài)圖像序列的檢測，特征提取和分類識別等相關問題，并總結了當前步態(tài)識別國內外的研究現(xiàn)狀和常用的處理方法。 在此基礎上，本文提出了把外輪廓沿人體中線投影向量(Midline

3、 Projection Vector)作為步態(tài)特征和主成份分析PCA(Principal Component Analysis)與支持向量機SVM (Support Vector Machine)相結合的步態(tài)目標特征提取與識別方法。 首先，從步態(tài)序列圖像中檢測步態(tài)，本文采用的是靜止背景下的單人步態(tài)數(shù)據(jù)庫，研究了RGB空間和灰度背景建模方法，經過性能比較我們選取了前者。 其次，利用背景差分法提取運動人體輪廓。將外輪廓沿人體

4、中線投影可以得到前后兩個向量，合成1D向量(Midline Projection Vector，中線投影向量)作為步態(tài)特征。 然后，應用主成分分析(PCA)進行特征提取和壓縮。該方法在非線性空間內利用線性 PCA(Principal Component Analysis)準則提取目標特征。主元數(shù)分別選取10, 20, 40, 60作對比分析，最后采用20作為主元數(shù)。 最后，由SVM分類器完成目標識別。支持向量機是目前針對