基于小波變換和支持向量機相結合的步態(tài)識別新方法研究.pdf

1、步態(tài)識別是生物特征識別技術中的一個新興領域。它旨在根據人們的走路姿勢實現對個人身份的識別或生理、病理及心理特征的檢測，具有廣闊應用前景，成為近年來生物醫(yī)學信息檢測領域備受關注的前沿方向。步態(tài)識別主要針對含有人體步行運動圖像進行分析，其關鍵是尋找合適的步態(tài)特征及分類方法，融合了計算機視覺、模式識別以及視頻/圖像序列處理等多種技術。 本研究主要采用如下處理流程：先提取目標人體的輪廓信息并將其規(guī)格化，經疊加處理后獲取步態(tài)特征圖，然后用

2、小波變換將步態(tài)特征圖分解，再依據骨架理論和圖像空間不變矩提取兩種人體模型的步態(tài)特征參數，輸入至支持向量機(Support Vector Machine，SVM)進行步態(tài)識別。分別使用中國科學院自動化研究所(CASIA)和美國南佛羅里達大學(USF)的步態(tài)數據庫進行了實驗，分別取得了93.67％與83％-100％的良好識別率。 考慮到不同應用環(huán)境，本論文還分析了紅外熱成像技術用于步態(tài)識別的可行性，并自建了天津大學紅外步態(tài)數據庫(T

3、ianjin University Infrared Gait Database，TIGD)。實驗表明該技術識別率受人體攜帶外物影響較小，而僅受衣著影響較大，值得深入研究與應用。作者還嘗試設計了一套實用的智能步態(tài)識別門禁系統(tǒng)實驗平臺，具有步態(tài)圖像實時采集、定位、特征提取與自動分類等功能，可實現對人體目標的安全監(jiān)控。 本研究中的創(chuàng)新性主要體現在： i.首次將步態(tài)識別領域中的兩種人體模型進行了有機結合，彌補了單一模型存在的缺

4、陷；并將骨架特征參數與不變矩矩參數同時運用于步態(tài)識別中，減弱了背景、光照、衣著、速度等因素變化的影響，提高了算法的實用性。 ii.首次將小波變換與支持向量機相結合用于步態(tài)識別，提高了分類算法的精確性；并在步態(tài)特征參數提取中將小波變換與矩理論相結合，有效地提高了基于人體輪廓信息及區(qū)域特征的步態(tài)識別效果。 iii.首次采用紅外熱成像技術獲取步態(tài)圖像數據，借助于紅外成像可夜視、易定量的優(yōu)勢，提升了步態(tài)圖像序列采集與識別的技術層