版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著人工智能與機器視覺技術(shù)的發(fā)展,人體運動分析與生物特征識別相結(jié)合已成為一個熱門的研究方向。作為目前唯一的遠程生物認證技術(shù),步態(tài)識別主要是針對含有人體步行運動圖像進行分析,通過人體的運動方式辨別身份。它融合了計算機視覺、模式識別以及視頻/圖像序列處理等多項技術(shù),其關(guān)鍵是尋找可靠的步態(tài)特征及分類方法。圍繞這個主題,本文對紅外步態(tài)序列的運動人體檢測方法、步態(tài)特征提取與識別進行了探索性研究。
首先研究了紅外步態(tài)序列中的運動人體檢
2、測方法。從視頻流中抽取出圖像,并對圖像進行預處理(包括二值化、形態(tài)學濾波、連通域分析),再運用邊界跟蹤算法將人體輪廓提取出來,最后利用人體輪廓寬度信號的周期性變化來劃分步態(tài)周期,并將此參數(shù)作為步態(tài)分類識別的基本單元。
其次設(shè)計了紅外步態(tài)特征的三維與二維表達方法。一方面運用基于模型跟蹤的方法提取出步態(tài)關(guān)節(jié)角度。首先建立三維人體模型并對其進行投影,再用包括邊緣特征和區(qū)域特征的姿態(tài)評價函數(shù)度量模型與圖像的相似性,最后用層次化的搜
3、索策略提取出人體的下肢關(guān)節(jié)角度。另一方面對人體輪廓進行Radon變換,從輪廓中提取出Radon變換峰值特征并以此表達步態(tài)特征。
最后,本文嘗試了如何將兩種混合維度的步態(tài)信息進行融合和分類識別。首先對提取到的兩種步態(tài)特征在特征層上進行融合,再分別使用支持向量機的K-折交叉驗證法和K-均值聚類對其進行分類識別。研究結(jié)果表明:①混合維度多特征融合的識別性能優(yōu)于單一維度特征的識別性能;②在本研究中,支持向量機K-折交叉驗證的識別性
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于步態(tài)壓力特征的人體行為識別.pdf
- 基于紅外圖像的人體參數(shù)測量技術(shù)研究.pdf
- 基于圖像序列的人體步態(tài)識別方法研究.pdf
- 基于步態(tài)的人體身份識別.pdf
- 基于Kinect的人體步態(tài)跟蹤與識別技術(shù).pdf
- 基于視頻圖像的人體異常行為識別技術(shù)研究(1)
- 基于多特征融合的人體行為識別技術(shù)研究.pdf
- 基于密集軌跡特征的人體運動識別研究.pdf
- 基于圖像處理的人臉特征識別技術(shù)研究.pdf
- 基于Android平臺的人體運動識別技術(shù)研究與應用.pdf
- 基于稀疏表示的人體步態(tài)識別算法研究.pdf
- 基于步態(tài)特征的身份識別技術(shù)研究.pdf
- 基于人體步態(tài)輪廓的步態(tài)識別關(guān)鍵技術(shù)研究.pdf
- 基于視頻圖像的人體運動識別與跟蹤研究.pdf
- 側(cè)面視角下基于一維運動曲線的人體步態(tài)識別.pdf
- 基于單目視頻的人體步態(tài)識別.pdf
- 基于高斯特征的人體運動情感識別研究.pdf
- 視頻圖像的人體運動特征提取與有效識別.pdf
- 紅外視頻圖像中的人體檢測跟蹤技術(shù)研究.pdf
- 基于人體運動分析的步態(tài)識別算法研究.pdf
評論
0/150
提交評論