学位论文 > 优秀研究生学位论文题录展示

基于特征融合的多视角步态识别方法研究

作　者: 刘凤
导　师: 侯一民
学　校: 东北电力大学
专　业: 控制科学与工程
关键词: 步态识别 Procrustes均值形状（PMS）步态能量图（GEI） Fan-Beam变换
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术和机器视觉技术的快速发展，步态识别根据人走路的姿态进行身份识别，是一种生物特征识别方法。与其它生物特征识别技术相比，步态具有非接触和难以隐藏等独特优势，而且它是在远距离情况下可感知的生物特征。随着安全敏感场合对智能监控系统要求的提高，步态识别技术已经引起了广泛的研究兴趣。步态识别包括三个部分：目标检测、特征提取和分类识别。本文在研究步态识别算法基础上，提出一种融合步态运动中人体的形状特征和运动特征的步态识别算法，并对这三部分进行了详细的研究。针对单一特征进行步态识别的局限性，为了得到更准确的识别结果，利用动静态信息的互补性，将两者结合起来进行身份识别。首先采用背景减除法提取图像，然后形态学去除噪声，再用Procrustes均值形状提取步态轮廓形状静态特征，然后计算动作能量图（AEI）和步态能量图(GEI)，通过对比分析，得出GEI含有更多的动态能量信息。所以本文采用对GEI进行Fan-Beam变换，使用二维主成分分析进行特征空间降维，得到运动目标的频率动态特征，最后将两个特征融合起来获得最后的识别结果。在中科院的Dataset B数据库上进行实验，达到了预期的识别效果。

全文目录

摘要  6-7
Abstract  7-11
第1章绪论  11-17
  1.1 课题背景及意义  11-13
  1.2 国内外研究现状综述  13-15
  1.3 步态研究难点  15-16
  1.4 本文研究主要内容  16-17
第2章预处理及步态周期检测  17-27
  2.1 运动目标检测  17-18
  2.2 形态学处理  18-22
    2.2.1 膨胀  19-20
    2.2.2 腐蚀  20
    2.2.3 开运算和闭运算  20-22
  2.3 连通区域分析  22-23
  2.4 边缘检测  23-24
  2.5 步态周期检测  24-25
  2.6 图像标准化  25-26
  2.7 本章小结  26-27
第3章不同算法的步态特征提取  27-42
  3.1 Procrustes 均值形状特征提取  27-33
    3.1.1 轮廓采样  27-29
    3.1.2 提取 Procrustes 均值形状  29-33
  3.2 动态特征提取  33-41
    3.2.1 动作能量图（AEI）  33-34
    3.2.2 步态能量图（GEI）  34-35
    3.2.3 Fan-Beam 变换  35-37
    3.2.4 主成分分析  37-39
    3.2.5 二维主成分分析  39-41
  3.3 本章小结  41-42
第4章特征融合及分类识别  42-56
  4.1 融合算法  43-49
    4.1.1 数据级融合算法  43
    4.1.2 特征级融合算法  43-44
    4.1.3 决策级融合算法  44-49
  4.2 分类器的选择  49-51
    4.2.1 最近邻分类器（NN）  50-51
    4.2.2 K 近邻分类器（KNN）  51
  4.3 实验结果及分析  51-55
    4.3.1 实验数据库  51-52
    4.3.2 实验流程  52-53
    4.3.3 实验结果分析  53-55
  4.4 本章小结  55-56
结论  56-58
参考文献  58-63
攻读学位期间发表的学术论文  63-64
致谢  64

基于特征融合的多视角步态识别方法研究

内容摘要

全文目录

相似论文