文档介绍：合肥工业大学
硕士学位论文
基于步态特征的身份识别算法研究
姓名:朱京红
申请学位级别:硕士
专业:计算机软件与理论
指导教师:方帅
20090401
基于步态特征的身份识别算法研究摘要随着现代社会对安全的要求不断提高,利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征,步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术,倍受计算机视觉研究者的关注,国内外大量研究者已经投入到该研究热点中。本文对步态识别进行了深入的研究,主要开展了以下几方面的研究工作:治隽顺S玫牟教觳夥椒ǎ疚难∮眉虻タ焖俚谋尘凹醭椒ń步态检测,运用形态学算子对背景减除后的前景区域进行后处理,去除了小的油枷竦木靥卣鹘嵌忍教至瞬教谋碚鳎岢隽艘恢只谕枷窬靥卣的步态表征方法。分别提取图像的矩和小波矩作为步态的静态特征,并融合步态的宽度信息作为识别特征,从而弥补单一特征带来的识别率低的问题。诓教侗鸾锥危岢隽嘶谌斯っ庖吣P偷牟教侗鹚惴āU攵圆态识别领域的特殊性,在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统,采用本文选用的步态特征对中科院教枷袷菘进行训练、识别。实验表明,本文提出的方法获得了较高的识别率。关键词:步态识别特征融合矩小波矩人工免疫模型空洞和噪声。
;瓵.,.琯.,瑃瑃瓵:;琲琯,.’瓵.:.甇,,.,;。.疭
插图清单图两个人一步态序列的小波矩不变量的值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图自动步态识别系统框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一图步态识别过程示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯P汀图最优分类线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图背景图像提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.图差值化后的二值化图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图修正后的二值化图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图轮廓跟踪算法示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图轮廓图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图人体侧影图像宽高比变化曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图步态序列不变矩⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图三次趸图对人体步态图像建立坐标系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图序列中三种宽度的变化曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图步态数据库样本⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图三个行人的训练识别结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图图图像归一化示例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图三种算法的摺摺
表格清单表小波矩最近邻识别部分实验数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯矩最近邻识别部分实验数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表三种算法的正确识别率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表克隆选择算法中的基本概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..表不同算法的算法识别率比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表
料吼一⋯哆日辩醐吁毕月哆日导师龇厉叶学位论文作者签名:幕旁。沙学位做作者签名。乔独创性声明学位论文版权使用授权书签字日期:汐萨年月歹乡日果。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金自垦王些太堂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。本学位论文作者完全了解金淹跣┨糜泄乇A簟⑹褂醚宦畚牡墓娑ǎ腥ū留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权金目曼王些叁堂可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采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或撰写过的研究成果,也不包含为获得或其他教育机构的学位或用影印、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吐、电话:邮编:
致谢这篇论文得以完成,首先要感谢我的导师方帅博士。两年多来,得到了她的悉心指导和关心。导师渊博的知识,崇高的品德,严谨的治学态度和实事求是的科学作风,给我留下深刻的印象,同时也为我树立了榜样,激励我永远奋发向上。同时也要感谢王浩教授在本人的学习和研究中给予的大力支持和帮助,以及对课题中的某些研究方法和要点提出的建议和意见,至此学位论文完成之际,谨向他们表达我最崇高的敬意和深深的谢意。此外,在论文的撰写过程中还得到了周围很多人的大力支持和无私指导,感谢合肥工业大学人工智能与数据挖掘研究室的姚宏亮、方宝富、李俊照