基于SVM的步態(tài)識別研究.pdf

1、近年來，隨著銀行、機(jī)場等安全敏感場合對大范圍視覺監(jiān)控系統(tǒng)的迫切需求，遠(yuǎn)距離生物特征識別技術(shù)的研究受到越來越廣泛的重視。而步態(tài)識別足一種遠(yuǎn)距離情況下唯一可被感知的生物特征識別技術(shù)，它以其內(nèi)在的生物特性：不具有侵犯性、不需要身體接觸、難以偽裝和隱藏、能夠?qū)崿F(xiàn)遠(yuǎn)距離識別等，克服了當(dāng)前指紋、人臉等特征識別方法依賴于物理接觸或近距離接觸的許多缺點(diǎn)，因而對步態(tài)識別及其關(guān)鍵技術(shù)的研究具有重要的學(xué)術(shù)意義和實(shí)用價(jià)值。目前，步態(tài)識別的研究都足針對小樣本的情

2、況。而支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的非常有效的機(jī)器學(xué)習(xí)方法，它較好地解決了以往困擾很多學(xué)習(xí)方法的實(shí)際問題如小樣本、非線性、過學(xué)習(xí)、高維數(shù)等，具有很強(qiáng)的推廣能力。因此，支持向量機(jī)用于步態(tài)識別是合適的。圍繞這個(gè)主題，本文開展了如下幾個(gè)方面的研究工作： (1)根據(jù)人體步態(tài)輪廓區(qū)域隨步態(tài)變化不一樣的特點(diǎn)，提出了基于可變區(qū)域特征和SVM的步態(tài)識別方法，即RFSBGR(RegionFeatureandSVMBasedGa

3、itRecognition)方法。對于每個(gè)序列而言，首先根據(jù)輪廓圖像求出人體寬高比，然后利用人體隨步態(tài)變化不一樣的特點(diǎn)，將人體分為多個(gè)可變區(qū)域通過計(jì)算區(qū)域特征獲取特征向量。最后對得到的特征量采用SVM進(jìn)行步態(tài)的分類和識別。實(shí)驗(yàn)表明，該方法不但能克服由于獲取的特征量過少而造成的信息丟失還取得了令人欣喜的識別性能。 (2)根據(jù)人體外輪廓隨行走過程不斷變化的特點(diǎn)，提出了基于核的主成分分析(KPCA)和支持向量機(jī)(SVM)的步態(tài)識別方法

4、，即KSBGR(KPCAandSVMBasedGaitRecognition)方法。首先將輪廓圖像的外輪廓沿上、下、左、右四個(gè)方向進(jìn)行投影，每個(gè)方向的投影向量用一個(gè)1維信號表示，步態(tài)信息由四個(gè)1維信號組合而成。然后利用非線性機(jī)器學(xué)習(xí)方法KPCA提取步態(tài)特征向量。最后對得到的特征量采用SVM進(jìn)行步態(tài)的分類與識別。 以上方法均在UCSD和CASIA兩個(gè)步態(tài)數(shù)據(jù)庫上進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文方法不僅獲得了較高的識別性能還擁有相對