学位论文 > 优秀研究生学位论文题录展示

基于OpenCV的步态识别系统

作　者: 黄建强
导　师: 罗斌
学　校: 安徽大学
专　业: 计算机技术
关键词: 背景建模 运动目标检测 阴影检测 HMM 步态识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 158次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人体的步态分析在计算机视觉领域中有着广阔的应用前景,如智能视频监控,人机互动以及基于运动的识别和诊断等许多领域,从而使计算机视觉的研究人员对此产生了极大兴趣。步态特征是独一无二的,步态识别作为新兴的生物特征识别技术之一,具有远距离、非接触、难于隐藏等特性,克服了传统的模式识别(虹膜识别、指纹识别等)对高分辨率、近距离的要求,步态识别在低分辨率的情况下有着良好的识别效果,从而使步态识别在智能视频监控中有着广泛的应用前景。本文主要对中科院自动化所提供的步态视频图像进行研究,利用OpenCV搭建了步态识别系统,在步态识别系统中主要完成了以下工作：第一,人体目标提取。由于背景的复杂多变,本文采用自适应的背景建模法建立稳定的背景模型,并用背景减除法获得人体运动目标。针对提取出的人体目标存在的阴影和空洞,分别采用色彩空间转换的方法对阴影进行检测和消除,采用区域填充和形态学滤波对人体目标图像进行平滑处理。第二,在步态特征提取方面。由于视频图像的维数很高,本文采用了步态能.量图,它是一种把一个步态周期转化为一帧图像的方法。步态能量图不仅节省了存储空间和计算时间,而且对单帧的噪声影响不太敏感。用(2D)2 PCA对提取的特征进行降维,从而解决了维数灾难问题,然后用加权的(2D)2 PCA来分析每个特征向量对步态特征的贡献值,从而很好地确定影响步态识别率的主要特征向量。第三,步态识别方面。分析了HMM算法,利用HMM对提取的步态特征进行分类训练,对分类结果进行了分析。第四,系统设计与实现。本文的步态识别系统是在VC++6.0下加载OpenCV视觉函数库来实现的。实验样本采用中科院自动化所提供的CASIA数据中不同视角的视频库,将本论文所采用的步态识别算法在系统中进行了实现,系统在设计上功能明确,操作简单。

全文目录


摘要  3-4
ABSTRACT  4-9
第一章 绪论  9-16
  1.1 课题研究背景及意义  9
  1.2 国内外研究现状  9-13
  1.3 步态识别的基本任务  13
  1.4 重点研究内容  13-14
  1.5 论文的整体结构  14-16
第二章 步态图像序列的预处理  16-26
  2.1 自适应背景模型  16-18
    2.1.1 基本思想  16-17
    2.1.2 算法实现  17-18
  2.2 阴影消除  18-22
    2.2.1 阴影检测简介  18-19
    2.2.2 阴影的检测  19
    2.2.3 阴影消除算法  19-21
    2.2.4 实验结果  21-22
  2.3 滤波处理  22-25
    2.3.1 归一化滤波处理  22-24
    2.3.2 连通性处理  24-25
  2.4 本章总结  25-26
第三章 步态特征提取和分类识别  26-35
  3.1 步态周期检测  26-27
  3.2 特征提取  27-31
    3.2.1 步态能量图  27-29
    3.2.2 二维主成分分析  29-31
    3.2.3 加权的二维主成分分析  31
  3.3 识别过程  31-32
  3.4 识别结果与分析  32-34
  3.5 本章小结  34-35
第四章 基于HMM的步态识别  35-44
  4.1 HMM的基本原理  35-37
  4.2 HMM的基本算法  37-39
    4.2.1 前向-后向算法  37-38
    4.2.2 Viterbi算法  38-39
    4.2.3 Baum-Welch算法  39
  4.3 基于HMM的步态分类识别  39-42
    4.3.1 特征向量压缩  39-40
    4.3.2 HMM初始化  40-41
    4.3.3 HMM训练  41-42
  4.4 HMM的识别过程  42-43
  4.5 本章小结  43-44
第五章 基于OPENCV的步态识别系统的实现  44-56
  5.1 OPENCV视频函数库  44-46
    5.1.1 OpenCV的简要介绍  44-45
    5.1.2 OpenCV的主要结构和模块  45-46
  5.2 步态识别系统的设计  46-50
    5.2.1 开发环境配置  46-47
    5.2.2 系统各模块的设计  47-50
  5.3 步态识别系统的软件实现  50-55
    5.3.1 读入视频  51
    5.3.2 图像预处理  51-53
    5.3.3 特征提取与聚类  53
    5.3.4 HMM的训练和识别  53-55
  5.4 本章小结  55-56
第六章 总结与展望  56-58
参考文献  58-62
致谢  62-64
攻读学位期间发表的学术论文目录  64
攻读学位期间参加的科研项目  64

相似论文

  1. 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
  2. 大鼠皮层神经细胞膜离子通道电流测量与重构,Q42
  3. 基于运动目标轨迹分析的智能交通监控系统,TP277
  4. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  5. 安防监控系统中运动目标检测算法研究,TP391.41
  6. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  7. 运动目标检测与跟踪的研究,TP391.41
  8. 运动目标跟踪系统的设计与实现,TP391.41
  9. 智能视频监控中的目标检测技术研究,TP391.41
  10. 视频监控系统中的运动目标检测算法研究,TP391.41
  11. 基于机器视觉的交通路口车流量检测方法研究,TP274
  12. 边防红外监控系统中运动目标的检测预警设计,TP391.41
  13. 基于DM6437的视频行人运动检测系统设计,TP391.41
  14. 多目标视觉检测与跟踪方法研究及视频监控软件平台的开发,TP391.41
  15. 复杂环境下语音增强方法研究,TN912.35
  16. 实时视频监控人数统计关键技术研究,TP391.41
  17. 面向PTZ摄像机的运动目标检测技术研究,TP391.41
  18. 基于HMM的机器人语音识别系统的研究,TN912.34
  19. 视频监控系统中相关图像处理技术的研究与实现,TP391.41
  20. 动态场景下基于空时显著性的运动目标检测研究,TP391.41
  21. 基于HMM-ANN混合模型的咳嗽音识别研究,TN912.34

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com