基于機器學習和多視角信息融合的步態(tài)識別系統(tǒng)的研究.pdf

1、在對安全監(jiān)控要求越來越高的今天,生物特征識別技術(shù)以其良好的安全性,有效性和不易取代性,受到人們的重視。而步態(tài)識別是利用人的走路姿勢來進行生物識別的一種方法,可以在被監(jiān)控對象毫無察覺的情況下對其進行檢測。以其非接觸、遠距離識別的特點備受人們的青睞。 本文研究了基于機器學習和多視角信息融合的步態(tài)識別技術(shù),主要研究了人體步態(tài)特征描述,利用機器學習進行降維,單視角下步態(tài)識別和多視角下信息融合的步態(tài)識別以及搭建在線步態(tài)識別系統(tǒng)等相關(guān)問題。

2、針對采用背景減除法進行背景提取時0度視角下人體部分區(qū)域被分割成背景的問題,在步態(tài)能量圖像的基礎(chǔ)上,提出了動態(tài)步態(tài)能量圖像,較好的解決了這一問題。并且在90度和45度視角下,由于動態(tài)步態(tài)能量圖像關(guān)注的是人體區(qū)域相對變化的部分,避免了相對不變化的部分帶來的負面影響,從而也取得了較好的識別結(jié)果。對于背包情況,提出一種動態(tài)腿部能量圖像,拋棄上半身的特征信息,只利用腿部動態(tài)變化信息進行識別,也取得了較好的結(jié)果。在特征描述階段,采用機器學習的方法進

3、行降維,利用流行學習中的局部保留投影法(LPP),采用PCA+LPP的方法利用很少的維數(shù)保留了很好的特征。針對不同視角下人體的步態(tài)序列,利用信息融合的方法,用投票法和D-S證據(jù)理論法對不同視角的識別信息進行融合,有效地解決了單個視角對特征描述不完全的問題,在中科院步態(tài)庫NPLSR和CASIA庫上進行了測試,取得了較理想的結(jié)果。 在上述理論的基礎(chǔ)上,嘗試建立了在線步態(tài)識別系統(tǒng),采用動態(tài)能量圖像作為特征,利用局部保留投影進行降維,利