基于幀間變化向量的步態(tài)識別.pdf

1、生物特征識別是一種利用人的生理或行為特征進(jìn)行身份識別的技術(shù)。不同于臉像、指紋及虹膜等生物特征對于近距離等條件的苛刻要求，步態(tài)可以在遠(yuǎn)距離低分辨率下檢測并度量，且難于偽裝和隱藏，沒有侵犯性，使其成為視覺監(jiān)控領(lǐng)域中最有潛力的生物特征。隨著機場、銀行、商場、軍事基地等安全敏感型場所對大范圍視覺監(jiān)控系統(tǒng)的迫切需求，遠(yuǎn)距離的身份識別研究近年來引起了計算機視覺研究者們的濃厚興趣。 當(dāng)前步態(tài)識別的研究正處于起步階段，它主要是利用人的走路方式來

2、識別人的身份。本文的主要目的是將視頻序列中的步態(tài)信息發(fā)掘出來，并利用它進(jìn)行身份識別。圍繞這個主題，展開了如下幾個方面的研究： 1)綜述了國內(nèi)外步態(tài)識別研究的現(xiàn)狀；針對當(dāng)前主流的步態(tài)識別算法，分析了其優(yōu)缺點；同時將影響步態(tài)的因素進(jìn)行了分類和總結(jié)，并探討了步態(tài)識別的發(fā)展趨勢。 2)歸納總結(jié)了當(dāng)前主流的運動檢測算法，并實現(xiàn)了基于混合高斯模型的運動檢測算法和基于Bayes模型的運動檢測算法，并對二者進(jìn)行了性能比較以及實驗結(jié)果的分

3、析。針對Bayes算法的更新局限性，將種子區(qū)域增長引入到運動檢測中，極大地改善了Bayes檢測算法的性能，為下一步的步態(tài)特征提取奠定了堅實的基礎(chǔ)。 3)提出了步態(tài)識別的框架，并采用第三章提出的改進(jìn)算法進(jìn)行人體特征的提取。通過將一個周期內(nèi)的人體步態(tài)的外輪廓按順時針展開，把人體表示成一維距離信號。并采用PCA(Principal Component Analysis)技術(shù)將人體外輪廓由300維降低到10維，通過進(jìn)一步提取IVV(In