收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

步态识别的若干关键技术研究

陈夏辉  
【摘要】:步态识别是近年来在模式识别与计算机视觉领域备受关注的研究方向,旨在通过人走路的姿态进行身份鉴别,是目前生物特征识别技术里唯一可以远距离识别的技术。与其他生物特征识别技术相比,步态识别具有远距离非接触识别、难以伪装、对视频质量要求不高、通用性好、唯一性强等优点,使得步态识别极具发展潜力和应用前景。因此,对步态识别技术的研究具有非常重要的意义。如何提高步态识别率,减少数据计算量,提高步态识别系统的实时性与鲁棒性一直是研究人员追求的目标,也是本文工作的重点。步态识别主要包括运动检测、周期检测、特征提取与识别等几项关键技术,本文着重对以上内容展开研究,主要工作如下:1)综合比较了均值背景模型、中值背景模型与混合高斯背景模型的特点,取上述模型优点,提出一种基于标准差的背景模型更新方法。此模型计算量少,其更新是实时的,能够及时感知背景的缓慢变化,背景噪点较少。在阈值化上,使用结合均值与标准差的自适应双阈值方法来得到比固定阈值更加理想的二值化运动目标。2)提出了一种基于多周期帧融合的步态周期生成方法。它针对包含残缺帧和重复帧的步态序列的步态周期生成问题,克服现有技术的缺点和不足,充分利用步态序列中所有步态周期的信息生成更加准确的步态周期表达。此方法消除了各个步态周期中不符合质量要求的帧的影响,最大限度地利用了各个周期中较理想帧,从而使最终生成的步态周期表达能更加准确地反映实际情况。此方法不仅可消除由运动目标变速或者停顿等情况带来的影响,还可减少数据冗余和计算量,提高准确度,有利于提升步态检测的结果。3)总结步态能量图特性的同时指出它丢弃了包含个体运动特征的时间信息。在保留步态能量图的特点的基础上,以减少数据存储量为目的,提出步态压缩图。它是一种既可以保留一定的步态频率信息,又可以表达其时间信息的步态序列表示方法。引入二维的主成分分析、线性判别分析,并对步态压缩图探索最佳识别效果的参数,从而也验证了步态压缩图的有效性。最后通过观察实验过程中发现不同身体部分对识别率的贡献不尽相同,进而展开实验与分析,为在不同场合下的步态识别提供一种新的思路。本文的研究有以下几点发现:1)在前景物体的颜色单一且较为均匀的场景下,采用基于标准差的自适应双阈值运动检测方法处理的图像序列比较理想,其图像的残缺与噪点均比较少;2)对于包含有重复帧和残缺帧的步态序列,采用基于多周期帧融合的步态周期生成方法能消除各个步态周期中不符合质量要求的帧的影响,最大限度地利用了各个周期中较理想帧,从而使最终生成的步态周期表达能更加准确地反映实际情况;3)采用头部重心配准方法得到的步态能量图更符合真实运动情况;4)步态压缩图是一种有效可行的步态序列表示方法,既保留了一定的步态的频率信息,又可以表达其时间信息;5)主成分分析中协方差矩阵的特征值平方和越大,其识别效果越佳,并且所保留的特征值比例增大到一定的程度后,识别率基本不再增加;6)在不同身体部分对识别率的贡献中,身体部分由于容易受到干扰,识别率较低,头部与脚部对识别率的贡献最大。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 许文芳;吴清江;;步态识别综述[J];福建电脑;2007年01期
2 韩旭;刘冀伟;么键;那幼超;王志良;;一种改进的步态识别方法[J];电子器件;2007年04期
3 王科俊;侯本博;;步态识别综述[J];中国图象图形学报;2007年07期
4 苏菡;黄凤岗;;一种基于时空分析的步态识别方法[J];模式识别与人工智能;2007年02期
5 程琼;庄留杰;韦琳;;一种有效的步态识别方法[J];武汉科技学院学报;2007年07期
6 顾磊;吴慧中;肖亮;;一种基于多区域侧影面积的步态识别方法[J];模式识别与人工智能;2008年05期
7 齐美彬;王倩;蒋建国;;非规范视角步态识别研究[J];仪器仪表学报;2008年10期
8 任继钢;;步态识别综述[J];攀枝花学院学报;2008年06期
9 程琼;周炳松;付波;;步态识别系统设计[J];湖北工业大学学报;2008年05期
10 薛召军;靳静娜;明东;万柏坤;;步态识别研究现状与进展[J];生物医学工程学杂志;2008年05期
11 王科俊;刘丽丽;贲晛烨;;基于步态识别的智能监控系统研究[J];计算机应用;2009年02期
12 张二虎;赵永伟;;利用动态部位变化的步态识别[J];中国图象图形学报;2009年09期
13 刘丽君;刘海华;;基于区域特征的步态识别研究[J];现代科学仪器;2010年02期
14 刘相锋;周航;;步态识别技术及其在视频监控中的应用[J];电视技术;2011年01期
15 肖德贵;王磊;;基于加权行质量向量的步态识别方法[J];计算机工程;2011年11期
16 贲晛烨;安实;王科俊;王健;;改进的完全二维主成分分析及其在步态识别中的应用研究[J];计算机应用研究;2011年06期
17 林尔东;姚志明;郑重;周旭;孙向阳;孙怡宁;;一种改进的基于地面反作用力的步态识别方法[J];模式识别与人工智能;2011年03期
18 田广;徐奕;杨小康;;步态识别在智能视频监控系统中的应用前景[J];电视技术;2011年15期
19 王志波;陈庆财;;步态识别综述[J];办公自动化;2012年04期
20 扶晓;刘劲;李东旭;;步态识别技术方法研究[J];电脑编程技巧与维护;2012年08期
中国重要会议论文全文数据库 前9条
1 邓玉春;刘世平;;自动步态识别方法研究综述[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
2 何卫华;李平;文玉梅;叶波;袁海军;;运用下肢关节角度信息进行步态识别[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 肖军;苏洁;郑波;贾鹏宇;;智能仿生腿在不同路况下的步态识别系统研究[A];2007中国控制与决策学术年会论文集[C];2007年
4 张聪;明东;万柏坤;;基于小波描述子和人体骨架模型的多视角融合步态识别[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年
5 朱京红;方帅;高明;方杰;;基于人工免疫模型的步态识别方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
6 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 王科俊;阎涛;吕卓纹;;基于耦合度量学习的特征级融合方法及在步态识别中的应用[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 王科俊;贲晛烨;;基于线性插值的特征模板构造的步态识别算法框架[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 柴虎;侍才宏;张西正;;外骨骼机器人感知平台设计与研究[A];天津市生物医学工程学会第三十二届学术年会论文集[C];2012年
中国博士学位论文全文数据库 前10条
1 贲晛烨;基于人体运动分析的步态识别算法研究[D];哈尔滨工程大学;2010年
2 曾玮;基于确定学习理论的人体步态识别研究[D];华南理工大学;2012年
3 张元元;基于序列统计特性的步态识别算法研究[D];山东大学;2010年
4 赵国英;基于视频的步态识别[D];中国科学院研究生院(计算技术研究所);2005年
5 薛召军;基于小波变换和支持向量机相结合的步态识别新方法研究[D];天津大学;2007年
6 胡荣;人体步态识别研究[D];华中科技大学;2010年
7 顾磊;基于图像序列的人体步态识别方法研究[D];南京理工大学;2008年
8 刘海涛;基于立体视觉的步态识别研究[D];中国科学技术大学;2010年
9 谭建辉;基于信息融合的红外步态识别新技术研究[D];广东工业大学;2011年
10 田光见;步态特征提取与识别技术研究[D];西北工业大学;2006年
中国硕士学位论文全文数据库 前10条
1 高海燕;人体步态识别研究[D];北京交通大学;2010年
2 刘丽君;基于区域面积的步态识别研究[D];中南民族大学;2010年
3 彭彰;基于肢体长度参数和视角归一化的多视角步态识别方法研究[D];山东大学;2006年
4 赵林毅;基于隐Markov模型的步态识别[D];大连理工大学;2006年
5 陈彦;基于独立分量分析的步态识别方法研究[D];西安电子科技大学;2007年
6 石翠萍;三维步态识别[D];扬州大学;2007年
7 许文芳;基于人体宽度特征的步态识别[D];华侨大学;2007年
8 阮宇慧;步态识别的算法研究和系统实现[D];北京交通大学;2008年
9 侯向锋;基于运动加速度的步态识别研究[D];华中师范大学;2007年
10 卢威;步态识别中关键技术的研究与实现[D];北京交通大学;2010年
中国重要报纸全文数据库 前2条
1 编译 刘东征;新型“步态密码”给手机加把锁[N];北京科技报;2005年
2 若水;分析步态识别身份[N];光明日报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978