实用步态数据库的建立和步态特征提取与表征方法

论文摘要

步态识别是进行远距离非侵犯性视觉监控、进行身份识别的理想技术之一。步态特征的提取质量对识别效果来说至关重要,在实用步态识别系统中如何构建步态数据库也是目前没有得到很好解决的问题。围绕步态识别技术与实用之间存在的这两个突出的问题,本文进行了以下几个方面的研究：(1)提出了一种建立实用步态数据库的方法,详细设计了步态特征数据库的建立方法、数据结构、步态信息的获取方法以及身高查询条件的确定方法,建立了百人规模的多信息步态数据库。(2)提出了一种结构化步态特征表示方法,结合关系数据库技术设计了一个基于数据库技术的步态识别方法,使步态识别能够利用关系数据库查询的高效性来快速缩小识别范围,提高运行效率和准确性。并通过实验验证了基于数据库技术的步态识别方法良好的身份识别效果。(3)提出一种基于时空能量图的步态特征弱周期性表示方法,给出了步态特征弱周期性和步态序列的时空能量图的定义,以统计分析的方式证明了这种特征表示对于噪声的干扰不敏感。将这种方法与论文提出的几种步态特征提取算法相结合,实验结果表明,这种方法大大简化了步态识别的预处理过程,减少步态特征的数据存储空间,降低了特征提取对于步速、摄像机采样频率等因素具体条件的依赖性,同时,识别性能也具有一定的实用参考价值。(4)利用小波多分辨率分析表征信号局部特征的优势,结合互信息熵的判据,提出一种基于小波分析和互信息熵的步态特征表示和识别算法,将小波变换得到的相似子图和各个具有局部方向特性的细节子图都利用到组合步态特征中,求得最大互信息熵时得到对应的组合特征参数组,这些参数突出了步态中行走习惯的细节差异,使提取的步态特征更集中在有利于分类的关键信息点上,从而步态识别过程更为接近人类视觉的智能识别过程。在步态识别阶段提出了互信息度量的改进方法,即沿用了能量分析和互信息度量的有效思路,又提高了识别速度。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 论文研究关键技术
• 1.3 关键技术的研究现状
• 1.3.1 步态数据库
• 1.3.2 人体与背景分离方法
• 1.3.3 步态特征提取与表示方法
• 1.3.4 步态特征比对方法
• 1.3.5 步态识别评价标准
• 1.4 论文研究的主要内容
• 第二章 建立多信息步态数据库
• 2.1 目前所用步态数据库存在的问题
• 2.2 建立多信息步态数据库
• 2.2.1 原始步态数据库的建立方法
• 2.2.2 多信息原始步态数据库的数据结构
• 2.3 专用步态特征数据库的建立方法
• 2.3.1 消除背景,得到人体区域图
• 2.3.2 提取特征帧
• 2.3.3 将人体区域二值图象转换为人体轮廓线二值图象
• 2.3.4 对图象标准化
• 2.3.5 提取步态特征
• 2.4 待识别人的步态信息的获取方法
• 2.5 本章小结
• 第三章 结构化步态特征表征和步态识别方法
• 3.1 结构化步态特征
• 3.1.1 结构化步态特征形式化语言定义
• 3.1.2 步态数据库中结构化步态特征的获取与存储
• 3.1.3 待识别人结构化步态特征的获取
• 3.2 以弱周期性时空能量图表示步态信息
• 3.2.1 弱周期性
• 3.2.2 弱周期性步态序列的时空能量图构成
• 3.2.3 STE对噪声干扰不敏感
• 3.3 步态识别算法描述
• 3.4 实验及分析
• 3.4.1 结构化步态特征与单信息步态特征进行身份识别对比实验
• 3.4.2 结构化步态特征与其他单信息步态特征身份识别对比实验
• 3.4.3 弱周期性实验一：起始帧不同对步态识别效果的影响
• 3.4.4 弱周期性实验二：步态周期分析方法对步态识别性能的影响
• 3.5 本章小结
• 第四章 基于小波变换与互信息熵的仿生步态识别算法
• 4.1 步态序列STE的二维离散小波变换多分辨率分析
• 4.1.1 STE图象二维离散小波变换
• 4.1.2 STE图象进行小波变换后的“显微”和“极化”效果
• 4.1.3 步态运动能量分布在频域的全局特征与局部特征
• 4.2 以STE小波变换子图组合表征步态信息
• 4.2.1 组合步态特征表示
• 4.2.2 用互信息熵来度量步态特征与原步态序列的关联性
• 4.2.3 步态特征中四个小波子图权值的选择
• 4.3 基于小波变换与互信息熵的仿生步态识别算法
• 4.3.1 算法的核心思想及流程图
• 4.3.2 算法识别效果实验及分析
• 4.3.3 与其他算法识别效果比较实验及分析
• 4.3.4 小波变换子图能量分析与权值系数的关系实验
• 4.4 本章小结
• 第五章 结束语
• 致谢
• 附录A 步态数据库中110人的步态特征小波子图系数
• 参考文献
• 发表文章目录