基于運動圖像混合維度特征的人體紅外步態(tài)識別技術(shù)研究.pdf

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