人体步态识别研究

论文摘要

步态识别作为一种新兴的生物特征识别技术,是根据人走路的姿势进行人的身份识别和认证,较之人脸识别、指纹识别等具有远距离、非接触、难伪装、难隐藏的特点,是远距离情况下最有潜力的一种生物特征识别技术,在智能监控和人体行为的计算机分析方面具有广阔的应用前景,近年来已成为研究热点。现有的步态识别算法几乎全都是基于侧面步态的,其他视角尤其是正面视角的识别算法特别少,考虑行走方向的步态识别已成为富有挑战性的问题。鉴于此,本文针对正面步态进行研究,主要完成了两项工作：一是正面步态识别算法的创新和改进；二是步态识别系统的初步构建。算法创新和改进工作包括：1、针对以往的背景减除法用于提取正面步态运动检测时产生空洞现象的情况,本文提出两种较有效的解决办法：改进背景减除法和空洞填充法；2、针对现有的步态周期估计方法都只适用于侧面步态而不能用于正面步态的情况,本文提出一种“W-U”正面步态周期估计法,即利用人体下四分之一区域中心线左右两侧像素点数目之差的变化规律来检测步态周期,效果非常好；3、针对正面步态中人体运动轮廓由小渐大变化,不利于特征提取的情况,本文提出一种自适应归一化图像大小的方法；4、提出一种分区域定点数的轮廓线采样法,通过灵活设定头肩区、腿脚区和单侧躯干区的采样点数来达到用较少的点较准确的表达轮廓形状的目的；5、本文在采样时已计算了轮廓上每个边界点的中心距,为了减少了计算量,本文利用此便利提出采用中心距序列作为周期函数来计算傅里叶描述子,并以此作为步态特征用于特征匹配和分类识别。步态识别系统的构建：实现了基于中国科学院自动化所的CASIA数据库的步态识别系统。系统设计上尽量做到功能明确、操作简单、识别快速有效。将本论文提出的基于步态轮廓的正面步态识别算法在系统上进行实验和验证,结果表明本文算法在小样本数据库上的分类识别率较相关文献有所提高,且计算量较小。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 序
• 1 综述
• 1.1 生物特征识别概述
• 1.2 步态识别概述
• 1.2.1 步态识别的研究基础
• 1.2.2 步态识别的特点及影响因素
• 1.2.3 步态识别的应用
• 1.3 步态识别的研究现状
• 1.4 步态识别的研究内容
• 1.5 步态识别研究数据库
• 1.6 步态识别中存在的问题
• 1.7 本文的主要内容和结构安排
• 1.7.1 本论的主要研究内容
• 1.7.2 本论的结构安排
• 2 步态识别基本技术分析
• 2.1 图像预处理
• 2.1.1 运动区域分割
• 2.1.2 阴影检测及消除
• 2.1.3 形态学去噪
• 2.1.4 连通域分析
• 2.2 周期检测
• 2.3 特征提取
• 2.4 模式分类
• 2.5 本章小结
• 3 基于轮廓的正面步态识别
• 3.1 图像预处理
• 3.1.1 正面步态运动区域分割
• 3.1.2 阴影检测和消除
• 3.1.3 形态学去噪及连通域分析
• 3.2 正面步态周期检测
• 3.3 边缘提取及轮廓采样
• 3.3.1 轮廓归一化
• 3.3.2 轮廓边缘线提取
• 3.3.3 轮廓线采样
• 3.4 特征提取
• 3.4.1 基于傅里叶描述子的特征描述
• 3.4.2 特征变换和训练
• 3.5 分类识别
• 3.5.1 相似性度量
• 3.5.2 分类与算法评估
• 3.6 实验及分析
• 3.6.1 实验数据来源
• 3.6.2 实验方法
• 3.6.3 实验结果分析
• 3.7 本章小结
• 4 人体步态识别系统的实现
• 4.1 步态识别系统的设计
• 4.2 步态识别系统的实现平台
• 4.2.1 操作系统
• 4.2.2 开发平台
• 4.2.3 OpenCV视觉函数库
• 4.2.4 数据库
• 4.3 步态识别系统的界面及功能
• 4.4 本章小结
• 5 总结与展望
• 参考文献
• 作者简历
• 学位论文数据集