基于步態(tài)光流圖與稀疏表示的步態(tài)識(shí)別.pdf

1、隨著科學(xué)技術(shù)與信息技術(shù)的發(fā)展，安全已成為全球所有人關(guān)心的問(wèn)題。如何保證人們安全問(wèn)題，如何有效識(shí)別未明身份的人成為大家共同關(guān)心的問(wèn)題。為了解決這些問(wèn)題，提出了生物識(shí)別技術(shù)。例如指紋、虹膜、人臉的識(shí)別技術(shù)已經(jīng)變得越來(lái)越成熟，但這些生物技術(shù)往往需要被識(shí)別對(duì)象的配合，要求近距離甚至需要被接觸。但在安全監(jiān)控領(lǐng)域方面被識(shí)別對(duì)象往往是不知道的，非接觸性的，而步態(tài)識(shí)別正是作這種可以遠(yuǎn)距離、非接觸情況下已經(jīng)被越來(lái)越多的人所了解。步態(tài)識(shí)別技術(shù)作為一種新興的

2、生物特征，在信息安全與公共安全等方面具有較強(qiáng)的實(shí)用性和研究?jī)r(jià)值。本文對(duì)步態(tài)識(shí)別主要做了以下幾個(gè)方面的研究：
　　（1）研究了步態(tài)檢測(cè)的算法，本文首先用中值法進(jìn)行背景建模，接著對(duì)常用的幾種步態(tài)檢測(cè)算法進(jìn)行了比較，光流法計(jì)算太復(fù)雜且需要高效率的計(jì)算機(jī)，幀差法容易產(chǎn)生空洞，且由于我們的數(shù)據(jù)庫(kù)的背景相對(duì)比較簡(jiǎn)單，運(yùn)用了背景消減法進(jìn)行檢測(cè)。同時(shí)運(yùn)用形態(tài)學(xué)處理和八連通區(qū)域分析去除運(yùn)動(dòng)區(qū)域的噪聲和單獨(dú)的空穴，最后通過(guò)步態(tài)圖像序列中人體的寬高比值

3、曲線圖獲取人體步態(tài)周期。
　?。?）在光流法的基礎(chǔ)上，提出一種步態(tài)光流圖的算法并對(duì)此進(jìn)行降維。首先通過(guò)步態(tài)圖像序列用 Horn-Schunck算法合成光流，再對(duì)一個(gè)周期內(nèi)的光流疊加平均合成步態(tài)光流圖。，但其維數(shù)較高，容易造成維數(shù)災(zāi)難，通過(guò)幾種降維算法的比較，本文選用了PCA和LDA一起對(duì)光流圖進(jìn)行降維，降維后的光流圖作為步態(tài)特征。
　?。?）最后設(shè)計(jì)稀疏表示分類器。由于稀疏表示能很好對(duì)圖像進(jìn)行分類，所以同樣也適應(yīng)于步態(tài)識(shí)別。

4、在此基礎(chǔ)上，本文運(yùn)用改進(jìn)的稀疏表示即局部約束組稀疏進(jìn)行步態(tài)識(shí)別。本文首先分析組稀疏表示、局部約束稀疏表示的優(yōu)點(diǎn)和不足。綜合考慮以上兩種稀疏表示的優(yōu)勢(shì)，構(gòu)造局部約束組稀疏表示的模型，使同一類別樣本構(gòu)造成一個(gè)組，并標(biāo)記它同時(shí)加入局部約束條件。再利用次梯度優(yōu)化算法求解，最終設(shè)計(jì)出局部約束組稀疏分類器。
　　（4）對(duì)上述算法進(jìn)行了仿真實(shí)驗(yàn)，利用中科院的步態(tài)數(shù)據(jù)庫(kù)CASIA Dataset B，先選取部分人體步態(tài)視頻數(shù)據(jù)進(jìn)行了步態(tài)檢測(cè)與步態(tài)