文档介绍：合肥工业大学
硕士学位论文
基于人体步态轮廓的步态识别关键技术研究
姓名:吴杰
申请学位级别:硕士
专业:机械制造及其自动化
指导教师:王纯贤
20080501
基于人体步态轮廓的步态识别关键技术研究要摘步态识别是一种指通过人走路的姿势来识别人身份的生物识别技术。与其它生物识别技术相比,步态识别具有远距离识别、非侵犯性和难以隐藏等优点,可以广泛地应用于安全部门、身份鉴别、数字监控等领域,因此近年来受到各国研究和开发人员的广泛关注。步态识别主要包括步态图像预处理、步态特征提取和步态分类识别三个部分。本文结合国家自然科学基金资助项目,从这三个方面对基于人体步态轮廓的步态识别关键技术做了探索性的研究。论文首先简要综述了步态识别技术,评述了前人在步态识别领域的一些方法和途径,讨论了步态识别应用的理论和方法,总结了其研究现状和进展,介其次,本文对基于人体步态轮廓的步态识别的三个关键技术分别进行了较为详细深入地研究和探讨。在步态图像预处理方面,研究探讨了背景减除技术。这种技术是目前运动分割中最常用的一种技术,能够提供安全的特征数据,在获得了完整的人体运动区域后,可以利用二维图像跟踪算法提取人体运动图像的轮廓;在特征提取方面,在获得了人体运动图像的轮廓以后,提取出入体运动的四个关键帧,其中形状特征是图像中最要的低级特征之一,是人最容易感觉到的特征,也是最直观的特征,基于边缘的形状表达方法可以直接利用目标的边缘信息提取形状特征。在边缘形状特征的基础上探讨了利用傅立叶描述子来描绘步态特征的方法,傅立叶描述子能够将图像转换成一维特征,具有对起点、旋转、平移的不敏感的优点,并且频率分量大部分集中在低频的部分,大大降低了识别的数据维数,正是由于这些优点,本文采用傅立叶描述子来描绘步态特征;在分类识别方面,探讨了目前各种分类器的优缺点,从参数选择和融合策略两个主要方面,研究了采用欧氏距离的最邻近法进行分类识别的方法,最后通过实例,验证了本文识别算法的算法性能。最后,对本文的工作进行了总结,分析了目前的研究难点,对下一步需要重点研究的问题进行了展望。步态识别背景减除傅立叶描述子最邻近法分类识别绍了本文的主要内容。关键词:
:.:瓽,.瓹瑃;.瑀籰瑃甀,,...狣,
.,,.篻琤#
表格清单表傅立叶描述子受边界、旋转、尺度变换以及计算起点的影响⋯表算法的正确分类率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
插图清单图籰正常步态时相周期图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图教芷谕肌图步态的跨步特征参数测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图二维人体轮廓模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图三维人体模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图背景建模实例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图膨胀操作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图运动人体的检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图人体轮廓线的提取结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图人体运动轮廓分割与跟踪实例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图运动关键帧示例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图由平面坐标转化为复坐标示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图—酶盗⒁睹枋鲎用枋龅牟教蛄小图傅立叶描述子示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图轮廓线的傅立叶频谱⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.教菘庵械囊恍┭就枷瘛图线性人体运动模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图二维人体区域模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图腐蚀操作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图籰步态识别框图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图步态周期性分析图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图图测试结果例图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
导师躲五厶黑杉墨拯签字日期:劲寸荒阥月穷独创性声明学位论文版权使用授权书签字日期:琽方年路饺签字日期:矿年∥月彦日本学位论文作者完全了解金胆王些太堂有关保留、使用学位论文的规定,和借阅。本人授权佥月巴王些太堂可以将学位论文的全部或部分内容编入有关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注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得金目曼王些太堂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。学位论文作者签名: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,允许论文被查阅数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ学