基于立體視覺的步態(tài)識別研究.pdf

1、隨著智能監(jiān)控系統(tǒng)的應(yīng)用范圍越來越廣泛，人們已不滿足于其具有的簡單監(jiān)控功能，如何對所觀測場景中的事物和人進行監(jiān)測，并進而對相關(guān)人的身份進行認證和識別是近來被廣泛關(guān)注的一個重要問題。各種基于生物特征的非接觸式識別技術(shù)應(yīng)運而生。其中，基于步態(tài)的身份識別技術(shù)是一種獨特的識別技術(shù)，它能夠在遠距離、非侵犯的情況下，依據(jù)行人的步態(tài)運動特征對其身份進行識別，是現(xiàn)代智能監(jiān)控系統(tǒng)中最引人入勝的一項生物特征識別技術(shù)。
　　 論文首先對步態(tài)識別的研究現(xiàn)

2、狀進行了深入透徹的分析，然后從立體視覺的角度出發(fā)，對步態(tài)識別問題進行了系統(tǒng)的研究，提出了若干基于立體視覺的步態(tài)識別算法，并在此基礎(chǔ)上，給出了用于求解步態(tài)識別的系統(tǒng)解決方案。
　　 論文的創(chuàng)新點和主要工作如下：
　　 (1)在國際上首次將立體視覺方法引入到步態(tài)識別問題的求解中，建立了基于立體視覺的步態(tài)識別系統(tǒng)框架，并給出了相關(guān)的系統(tǒng)解決方案。
　　 (2)針對目前尚無立體步態(tài)數(shù)據(jù)庫可資利用的現(xiàn)狀，創(chuàng)建了立體步態(tài)數(shù)據(jù)

3、庫PRLABⅠ與PRLABⅡ，為后續(xù)研究奠定了基礎(chǔ)。上述立體步態(tài)數(shù)據(jù)庫可用于對步態(tài)特征的有效性和步態(tài)識別算法的可行性以及魯棒性的評估。
　　 (3)在步態(tài)特征提取方面，提出了一種能夠反映人體步態(tài)時空變化的步態(tài)特征表示方法。首先以圖像幀為單位利用立體視覺技術(shù)從同步拍攝的立體圖對中恢復(fù)出運動人體輪廓的三維信息，接著據(jù)此構(gòu)造以三維人體輪廓的質(zhì)心為參考中心的三維人體輪廓描述子(3D Body Contour Descriptor，3D-

4、BCD)，進而用所得到的三維人體輪廓描述子各組成單元的L2范數(shù)構(gòu)造用于分類識別目的的一維步態(tài)特征表示(1D Gait Feature Representation，1D-GFR)?？紤]到步態(tài)運動是一個準周期運動，論文探討了步態(tài)運動周期的檢測問題。此外，論文還利用立體視覺技術(shù)對被測人體的身高進行了測量，并將實測的身高參數(shù)作為步態(tài)識別算法中的輔助鑒別特征來使用。
　　 (4)在特征降維方面，論文將主分量分析法和流形學習降維法用于步態(tài)

5、特征的降維處理以去除步態(tài)特征間存在的冗余信息。為了盡可能完整地保留步態(tài)特征的內(nèi)在結(jié)構(gòu)，在流形學習降維中采用了拉普拉斯特征映射。
　　 (5)在步態(tài)識別算法方面，基于歐氏距離度量，定義了樣本序列均值與樣本序列模板均值兩個參量，并據(jù)此構(gòu)造了用于步態(tài)識別目的的最近鄰分類器與最近模板分類器。
　　 為了驗證所提出的步態(tài)識別算法的有效性，在PRLABⅠ與PRLABⅡ以及所構(gòu)建的不規(guī)則測試數(shù)據(jù)集ExN上進行了大量實驗。實驗結(jié)果表明，