学位论文 > 优秀研究生学位论文题录展示

基于角度及轮廓特征的步态识别方法研究

作　者: 曾莹
导　师: 杨路明
学　校: 中南大学
专　业: 计算机系统结构
关键词: 生物特征识别 步态识别 动态时间规整 特征融合 傅立叶描述子
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 182次
引　用: 6次
阅　读: 论文下载
 

内容摘要


随着现代社会对安全的迫切需求,生物特征识别作为对安全敏感场合进行访问控制的一种身份鉴别技术,得到大力的研究和发展。人脸、指纹等生物特征通常要求近距离或接触性的感知,在远距离的情况下将无法使用,而步态则是此种情况下唯一可感知的生物特征,因此,步态识别——利用人行走的姿势鉴别人体身份,在视觉监控领域具有显著的优势。首先对步态进行预处理。通过分析和比较常用的运动检测方法,针对文中使用的步态序列具有背景简单的特点,采用背景减除法实现步态检测;对步态运动的周期性进行分析,并利用人体侧影的高宽信息计算步态周期。然后,基于“行走运动的关节角度变化包含着丰富的个体识别信息”的观点,提出了基于下肢运动分析及DTW的步态识别方法。对每个步态序列,依据人体解剖学的先验知识,通过对下肢运动的分析来定位关节点,进而提取一个步态周期的下肢角度变化轨迹作为特征矢量;采用动态时间规整(DTW)算法计算不同步态序列间的相似度,使用最近邻分类器及K近邻分类器实现步态的分类决策。最后,针对基于单一特征的步态识别方法一般不能得到令人满意的识别效果,利用特征融合的思想,提出了在匹配层上融合下肢角度及人体轮廓特征的步态识别方法。融合过程中,权重的赋予使两种步态特征按较优的比例进行组合,以充分发挥其互补性。GASIA数据库上的仿真结果表明,本方法的识别率达到95%,明显高于基于单一特征的步态识别方法。

全文目录


摘要  4-5
ABSTRACT  5-6
目录  6-8
第一章 绪论  8-17
  1.1 课题研究的背景和意义  8-9
    1.1.1 研究背景  8-9
    1.1.2 研究意义  9
  1.2 步态识别技术综述  9-16
    1.2.1 步态识别技术简介  9-11
    1.2.2 步态识别的研究内容  11-13
    1.2.3 步态识别的研究难点  13
    1.2.4 步态识别的研究现状  13-16
  1.3 本文的内容组织  16-17
第二章 步态的预处理  17-29
  2.1 运动检测方法概述  17-19
    2.1.1 背景减除法  17-18
    2.1.2 时间差分法  18
    2.1.3 光流法  18-19
  2.2 基于背景减除法的步态检测  19-26
    2.2.1 背景建模  19-21
    2.2.2 图像差分  21
    2.2.3 阈值分割  21-22
    2.2.4 阈值的选择  22-24
    2.2.5 形态学后处理  24-25
    2.2.6 人体轮廓边界的检测  25-26
  2.3 步态周期分析  26-28
    2.3.1 周期定义  27
    2.3.2 周期检测  27-28
  2.4 本章小结  28-29
第三章 基于下肢运动分析及 DTW的步态识别方法  29-44
  3.1 引言  29-30
  3.2 特征提取  30-34
    3.2.1 关节点的定位  30-33
    3.2.2 下肢角度计算  33-34
  3.3 分类识别  34-37
    3.3.1 动态时间规整(DTW)算法的基本原理  34-35
    3.3.2 基于DTW算法的步态特征度量  35-36
    3.3.3 分类决策  36-37
  3.4 实验  37-43
    3.4.1 步态数据集  37-38
    3.4.2 实验结果的评价指标  38
    3.4.3 实验过程  38-40
    3.4.4 实验结果及其分析  40
    3.4.5 方法比较  40-43
  3.5 本章小结  43-44
第四章 融合下肢角度及人体轮廓特征的步态识别方法  44-58
  4.1 引言  44
  4.2 基于傅立叶描述子的人体轮廓特征提取  44-46
  4.3 信息融合技术  46-49
    4.3.1 信息融合概述  46-47
    4.3.2 信息融合在生物特征识别中的应用  47-49
  4.4 步态特征融合及分类识别  49-54
    4.4.1 匹配层上融合角度及轮廓特征  49-53
    4.4.2 分类识别  53-54
  4.5 实验  54-57
    4.5.1 实验过程  54-55
    4.5.2 实验结果及其分析  55-56
    4.5.3 方法比较  56-57
  4.6 本章小结  57-58
第五章 总结与展望  58-60
  5.1 总结  58
  5.2 展望  58-60
参考文献  60-65
致谢  65-66
攻读学位期间主要的研究成果目录  66

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 唇读中的特征提取、选择与融合,TP391.41
  3. 基于距离映射码的安全指纹认证研究,TP391.4
  4. 水下目标特征的压缩与融合技术研究,TN911.7
  5. 基于支持向量机的视频目标检测方法研究,TP391.41
  6. 指纹图像分割方法研究,TP391.41
  7. 虹膜识别的定位算法研究,TP391.41
  8. 基于分形和多小波理论的静脉特征提取研究,TP391.41
  9. 基于特征融合的人脸识别算法研究,TP391.41
  10. 面向电力营销服务的客户身份自动识别系统设计,TP391.41
  11. 手指静脉识别技术研究,TP391.41
  12. 掌纹图像特征抽取方法研究,TP391.41
  13. 基于信息融合的模拟电路故障诊断研究,TN710
  14. 基于特征融合的膜蛋白跨膜螺旋预测,Q51
  15. 非重叠监控摄像机中行人关联技术研究,TP391.41
  16. 基于特征融合的目标识别技术的研究,TP391.41
  17. 基于视频的签名识别算法研究,TP391.41
  18. 钴结壳的非线性超声识别技术研究,TN912.34
  19. 运动多目标检测与跟踪算法研究,TP391.41
  20. 基于人体步态远距离身份识别算法研究,TP391.41
  21. 步态识别中关键技术的研究与实现,TP391.41

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