学位论文 > 优秀研究生学位论文题录展示

基于步态的身份识别技术研究

作 者: 颜儒
导 师: 张菁
学 校: 哈尔滨工程大学
专 业: 计算机软件与理论
关键词: 步态识别 步态检测 特征提取 分类识别 步态能量图
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 49次
引 用: 0次
阅 读: 论文下载
 

内容摘要


步态识别作为一种新兴的生物特征识别技术,主要通过检测人们走路的方式来进行身份识别,而不论他(她)们穿着什么样的衣服。与传统的生物特征识别(如:指纹、人脸等)相比,它可以远距离的对人进行有效的身份验证。而且,步态是很难被伪装或隐藏的。因此,近年来成为计算机视觉和模式识别领域的研究热点,在智能监控、医疗诊断等方面有着广泛的应用前景。本文对基于步态的身份识别技术进行了深入的研究,主要包括:步态检测及预处理、特征提取分类识别三个部分。步态特征的提取一直是步态识别的研究重点,同样也是本文的研究重点。首先,对步态检测和背景建模方法进行深入的研究。本文采用背景减除法提取人体运动目标,采用高斯模型法进行背景建模,并对二值化人体轮廓图像进行形态学、归一化等处理,对步态周期进行分析,提出一种关键帧提取算法,有效去除冗余帧。其次,对步态特征提取方法进行研究。详细阐述步态能量图理论,探讨如何选取有效的特征和选取什么特征,提出一种特征选择掩膜方法,对步态能量图进行改进。对主成分分析(PCA)和支持向量机(SVM)理论进行研究,并给出本文特征提取算法。最后,在理论研究的基础上,实现一个简单易操作的步态识别系统。在中国科学院自动化研究所提供的CASIA步态数据库上,对本文提出的关键技术进行实验分析与验证。实验结果表明,本文提出的方法具有较高的识别率。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-17
  1.1 课题背景及研究意义  10-11
  1.2 国内外研究现状  11-14
    1.2.1 国外研究现状  11-12
    1.2.2 国内研究现状  12-13
    1.2.3 现存的问题  13-14
  1.3 论文的主要工作内容  14-15
  1.4 论文的组织结构  15-17
第2章 系统框架设计  17-23
  2.1 系统设计思想及原则  17-18
    2.1.1 设计思想  17
    2.1.2 设计原则  17-18
  2.2 系统处理流程  18
  2.3 系统功能模块划分  18-22
    2.3.1 系统模块组成  18-19
    2.3.2 各功能模块设计  19-22
  2.4 本章小结  22-23
第3章 步态检测及预处理  23-34
  3.1 步态检测方法概述  23-25
    3.1.1 背景减除法  23-24
    3.1.2 帧间差分法  24
    3.1.3 光流法  24-25
  3.2 背景建模  25-27
    3.2.1 中值法  25
    3.2.2 均值法  25-26
    3.2.3 高斯模型法  26-27
  3.3 人体区域提取  27-31
    3.3.1 差值及二值化  27-28
    3.3.2 形态学处理  28-30
    3.3.3 归一化处理  30-31
  3.4 步态周期分析  31-33
    3.4.1 周期检测  31-32
    3.4.2 关键帧提取  32-33
  3.5 本章小结  33-34
第4章 步态特征提取及识别  34-45
  4.1 特征提取方法概述  34-35
    4.1.1 基于模型的方法  34
    4.1.2 基于非模型的方法  34-35
  4.2 步态表征  35-40
    4.2.1 步态能量图  35-38
    4.2.2 特征选择掩膜  38-40
  4.3 主成分分析(PCA)  40-42
    4.3.1 原理概述  40-42
    4.3.2 PCA特征降维  42
  4.4 支持向量机(SVM)  42-43
    4.4.1 原理概述  42-43
    4.4.2 分类器设计  43
  4.5 特征提取算法  43-44
  4.6 本章小结  44-45
第5章 系统实现及实验分析  45-59
  5.1 系统功能概述  45-46
  5.2 系统开发环境  46-47
  5.3 主要模块处理流程  47-50
  5.4 步态检测及预处理实现  50-52
    5.4.1 步态检测  50
    5.4.2 图像处理  50-52
  5.5 训练及识别实现  52-56
    5.5.1 SVM训练  53-55
    5.5.2 SVM识别  55-56
  5.6 实验及结果分析  56-58
    5.6.1 数据集  56-57
    5.6.2 结果分析  57-58
  5.7 本章小节  58-59
结论  59-60
参考文献  60-63
攻读硕士期间发表的文章和取得的科研成果  63-64
致谢  64

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  4. Q学习在基于内容图像检索技术中的应用,TP391.41
  5. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  6. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  7. 空间交会接近视觉测量方法研究,TP391.41
  8. 图像实时采集、存储与处理方法研究,TP391.41
  9. 唇读中的特征提取、选择与融合,TP391.41
  10. 多币种纸币处理技术的研究与实现,TP391.41
  11. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  12. 基于图像的路面破损识别,TP391.41
  13. 移动机器人视觉检测和跟踪研究,TP242.62
  14. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  15. 基于随机森林的植物抗性基因识别方法研究,Q943
  16. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  17. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  18. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  19. 红外图像目标识别及跟踪技术研究,TP391.41
  20. 水下目标特征的压缩与融合技术研究,TN911.7
  21. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421

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