文档介绍：基于步态的身份识别研究摘要步态识别作为一种新的生物特征识别技术,是通过人走路的姿势实现对个人身份的识别和认证,它是一个复杂而又富有挑战性的研究课题。大多数的生物特征识别都要求近距离或者接触性的感知,而步态是远距离情况下唯一可感知的生物特征。因此,步态识别在视觉监控领域的潜在应用激发了研究者们的浓厚兴趣。本文针对正侧面及多视角情况下的步态识别中的种种问题进行了研究,主岢隽嘶谌诤系囊矶煞虿教侗鹚惴ā6砸矶煞蚰P徒研究并对算法实现中遇到的实际问题加以分析解决,在此基础上实现了利用隐马尔可夫模型的步态特征提取与身份识别方法。我们选取人体下肢的宽度向量作为步态特征,利用人体的宽度信号对步态序列进行周期性分析,将每一个步态周期平均分段聚类后求均值得到标本,同时把参与训练和识别的步态序列中处于同一状态的某一帧设为序列的初始帧。针对步态视频序列,分析了应用隐马尔可夫模型的可行性,采用了将标本作为隐马尔可夫模型的状态,每一帧与标本的距离作为观察值的步态建模方案。使用该方法在教数据库上进行了实验。实验结果验证了该方法的有效性。为了进一步提高识别率,我们提出了将不同维数步态特征训练P偷玫降氖侗鸾峁右匀诤希实验证明融合后达到的识别率明显高于单个高维步态特征所能达到的识别率。岢隽艘恢侄嗍咏乔榭鱿虏教侗鹚惴ā;诖蟛糠值牟教侗鹚惴均建立在能够获得正侧面步态序列的基础上,而这个条件在实际的视频监控环境中是难以实现的。我们利用运动形成的速度场及运动场的关系,求得人在监控场景中行走的方位角,利用透视几何知识进行坐标转换,提出了一种将任意视角下待识别人的行走序列矫正为规范视角下行走序列的算法,这种算法无需计算三维深度信息,适用于仅有单摄像机的实际监控环境,相对于建立模型等其他方法简单易实现。实验汪明将矫正后的步态序列用于步态识别,能有关键词:隐马尔可夫步态识别透视几何运动场要的工作和创新如下:效的提高识别率。
知识水坝***@pologoogle为您整理
—;甒.:籊;瑆甌,甋琭疭..—.’,瓾,..,.:,琣琓瓵,·—甀.
知识水坝***@pologoogle为您整理
插图清单步态识别算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯背景重构及运动检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一个人步态的五个状态⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯确定状态数的试验方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯步态P妥刺娜范ā步态P褪侗鹚惴鞒掏肌步态采集示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一从个视角拍摄到的正常行走⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一透视投影图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯三维速度场产生二维运动场⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯速度场与运动场的关系图⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一人的行走与三个坐标系的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多视角步态识别算法框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验二拍摄序列⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..实验二人和标志杆实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯步态序列矫正前后对比图⋯⋯⋯⋯⋯一⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯两种情况下人体的投影图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.多视角步态识别结果对比图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~槌墒疽馔肌步态的周期性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯步态P脱盗匪惴鞒掏肌计算机图像坐标系与图像坐标系的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.实验一结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..坐标转换关系图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图图步态识别结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..运动分割结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一
表格清单步态识别实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表
覆强⋯名:躲彤土学位论文作者签字:≥,日签字目期:唧年,露呷签字日期:、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘。允许论文被查阅或借阅。本人授权盒筵王些盔茎一可以将学位论文的全部或部分论文内容编入有关数据库进行检索,可以采用影印、缩印或扫本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标志和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ学位论文者签名学位论文作者毕业后去向工作单位