基于步態(tài)識(shí)別的交通線路監(jiān)控.pdf

1、鐵路交通在最近幾年里得到了快速發(fā)展，無(wú)論客運(yùn)量與客運(yùn)速度都有了顯著的提高。而隨著生物技術(shù)的不斷發(fā)展，鐵路交通監(jiān)控也慢慢由模擬監(jiān)控往智能監(jiān)控轉(zhuǎn)變。本文研究的重點(diǎn)就是步態(tài)識(shí)別這一生物特征在鐵路交通監(jiān)控中的應(yīng)用?；诓綉B(tài)的身份識(shí)別技術(shù)是近年來(lái)出現(xiàn)的一種新型的生物識(shí)別技術(shù)，其目的是根據(jù)人走路的姿態(tài)來(lái)實(shí)現(xiàn)對(duì)個(gè)體的身份識(shí)別。這一技術(shù)在很長(zhǎng)一段時(shí)間里一直是各個(gè)領(lǐng)域科學(xué)工作者的研究熱點(diǎn)。步態(tài)識(shí)別主要是對(duì)人體步行運(yùn)動(dòng)序列進(jìn)行分析，其重點(diǎn)在于提取有效的步態(tài)

2、特征和選擇合適的分類方法。它融合了運(yùn)動(dòng)物體視頻序列檢測(cè)與處理，模式識(shí)別等多種技術(shù)。本文在對(duì)視頻圖像進(jìn)行特定的預(yù)處理后提出了一種基于Fisher判別法的特征提取方法和改進(jìn)的最近鄰分類器，充分放大了步態(tài)特征，大大提高了基于輪廓特征提取的步態(tài)識(shí)別成功率。
　　本文主要對(duì)人體步態(tài)的特征提取和識(shí)別進(jìn)行了研究，取得了以下成果：
　　1)研究了基于步態(tài)識(shí)別的監(jiān)控系統(tǒng)所用到的基本方法與算法，包括運(yùn)動(dòng)目標(biāo)檢測(cè)、圖像序列編碼、特征提取、模式分類

3、與識(shí)別等，最后根據(jù)識(shí)別的對(duì)象選擇合適的步態(tài)數(shù)據(jù)庫(kù)。
　　2)研究了步態(tài)識(shí)別中的預(yù)處理過(guò)程，處理流程如下：首先利用時(shí)間平均圖像法建立背景模型，然后使用背景差分法提取人體運(yùn)動(dòng)目標(biāo)輪廓，再對(duì)人體區(qū)域進(jìn)行形態(tài)學(xué)處理以及歸一化。
　　3)提出了一種基于Fisher判別法的步態(tài)特征提取方法。利用Fisher判別法加權(quán)步態(tài)特征矩陣使特征更加明顯，然后對(duì)加權(quán)后的特征矩陣進(jìn)行分析，得到降維后的步態(tài)特征。
　　4)本文分類器用到了一種改進(jìn)

4、的最近鄰分類器。常用分類器都忽視了同一類中各個(gè)訓(xùn)練樣本之間的相似性，以及它們之間的相關(guān)性?？梢酝ㄟ^(guò)判斷待識(shí)別的對(duì)象與各個(gè)類中樣本之間的相似關(guān)系來(lái)考慮分類。本文分類器的思想就是當(dāng)把待識(shí)別的對(duì)象放在某個(gè)類中時(shí)，這個(gè)類在高維特征空間中無(wú)論從外形和內(nèi)部結(jié)構(gòu)來(lái)看都很規(guī)整。
　　與基于單幀的步態(tài)圖像檢測(cè)方法相比，結(jié)合預(yù)處理的Fisher判別法充分考慮了幀問(wèn)的步態(tài)變化并放大了這種變化，進(jìn)而提取出更加明顯的步態(tài)特征。該研究成果很好地解決了當(dāng)前普遍