存在干擾因素情況下的步態(tài)識(shí)別.pdf

1、步態(tài)識(shí)別因其無侵犯性、易于采集、難以隱藏、可遠(yuǎn)距離識(shí)別等特點(diǎn)受到生物特征識(shí)別學(xué)界的廣泛關(guān)注，成為多模態(tài)生物識(shí)別系統(tǒng)的一個(gè)重要組成部分。本文針對(duì)待識(shí)別目標(biāo)的步態(tài)特征樣本相對(duì)于該目標(biāo)注冊(cè)時(shí)的步態(tài)特征樣本存在一些干擾因素，如攜帶物品或者衣著類型發(fā)生變化時(shí)，步態(tài)識(shí)別的準(zhǔn)確率會(huì)受到影響這一問題展開研究，對(duì)常見的步態(tài)視頻預(yù)處理、運(yùn)動(dòng)目標(biāo)檢測(cè)與分割、形態(tài)學(xué)后處理及特征提取方法進(jìn)行了實(shí)現(xiàn)，并就存在干擾因素時(shí)的特征提取、選擇方法以及分類器設(shè)計(jì)進(jìn)行了研究。

2、
　　本文首先研究了基于信息熵子模式典型相關(guān)分析的步態(tài)識(shí)別方法，提出將局部信息熵值作為子模式的劃分依據(jù)，以期將干擾因素局限在某一個(gè)或幾個(gè)子模式中，并使用典型相關(guān)分析方法建立起了任意一個(gè)目標(biāo)在普通行走情況與存在干擾因素情況下的步態(tài)特征之間的聯(lián)系。在分類階段，對(duì)多個(gè)局部相關(guān)系數(shù)進(jìn)行加權(quán)求和得到整體相關(guān)系數(shù)，作為最終的分類依據(jù)，從而抑制了干擾因素對(duì)于整體識(shí)別效果的影響。
　　基于信息熵子模式典型相關(guān)分析的步態(tài)識(shí)別方法首先需要對(duì)當(dāng)前

3、待測(cè)目標(biāo)的步態(tài)樣本中是否可能存在干擾因素做出判斷，針對(duì)這一不足，本文研究了基于擴(kuò)充字典和協(xié)同表示的步態(tài)識(shí)別方法，針對(duì)待測(cè)目標(biāo)步態(tài)樣本中存在干擾因素時(shí)協(xié)同表示分類器效果不理想的問題，為字典擴(kuò)充了一些干擾因素分量元素，以消除重構(gòu)殘差中干擾因素分量的影響。
　　在CASIA(B)步態(tài)數(shù)據(jù)庫上進(jìn)行的多組實(shí)驗(yàn)說明了本文算法的有效性。最后，本文以Visual Studio2012作為開發(fā)平臺(tái)，利用計(jì)算機(jī)視覺庫OpenCV完成了Windows平