適于重要場所個人身份的步態(tài)識別技術研究.pdf

1、在政府部門、軍隊的涉密場所等重要場所，必須嚴格掌握人員進出的情況，大多數(shù)時間還需要識別遠處活動人員的身份。此時，人臉、虹膜、指紋等生物特征，以及證件、密碼等信息特征不再適用，而步態(tài)作為有效的生物特征能夠用低分辨率設備從遠距離進行身份識別具有非接觸、不唐突的明顯優(yōu)勢，因此，步態(tài)識別必將成為重要場所進行安全監(jiān)控的重要技術手段。 適于重要場所個人身份的步態(tài)識別技術研究內容包括步態(tài)數(shù)據(jù)獲取、步態(tài)檢測、步態(tài)特征提取和分類識別四大部分。其中

2、步態(tài)特征提取是本文研究的重點。步態(tài)數(shù)據(jù)獲取部分我們摒棄采用現(xiàn)有的數(shù)據(jù)庫，在實驗室模擬視頻監(jiān)控場景，建立了20個人的步態(tài)數(shù)據(jù)庫。將獲取的步態(tài)視頻進行了圖像預處理，主要包括步態(tài)視頻的幀提取、目標檢測、形態(tài)學處理和去除冗余幀等工作。由于俯角的步態(tài)圖像周期分割效果欠佳，本文選用步態(tài)能量圖像(GEI)表征步態(tài)特征，通過步態(tài)能量圖像進行個體的識別。步態(tài)能量圖像把人類的運動序列用單幀圖像來表征，同時保留了時間信息，輪廓信息，頻率信息以及相位信息等。

3、 在特征提取部分，本文研究了兩大類特征提取方法。第一類是基于步態(tài)能量圖像向量的步態(tài)特征提取方法。主成分分析(PCA)、核主成分分析(KPCA)、線性判別分析(LDA)和核線性判別分析(KLDA)是四種基于一維向量的特征降維方法，步態(tài)能量圖像分別與這四種特征提取方法結合進行步態(tài)特征提取。第二類是基于步態(tài)能量圖像矩陣的步態(tài)特征提取。二維主成分分析(2DPCA)和二維線性判別分析(2DLDA)是兩種基于二維矩陣分析特征提取方法，步態(tài)能量

4、圖像分別與二維主成分分析(2DPCA)、行列方向結合的二維主成分分析((2D)2PCA)、加權二維主成分分析(W2DPCA)、核二維主成分分析(K2DPCA)、二維線性判別分析(2DLDA)、雙向二維線性判別分析(B2DLDA)、2DPCA+2DLDA結合、K2DPCA+2DLDA結合方法進行步態(tài)特征提取，抽取對步態(tài)識別貢獻最大的特征向量。 在我們自己建立的包含了20個個體的步態(tài)數(shù)據(jù)庫中進行了單一視角和混合視角的實驗，從方法的識