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