基于視頻的步態(tài)識(shí)別.pdf

1、在智能環(huán)境研究中，人體運(yùn)動(dòng)分析與生物特征識(shí)別相結(jié)合目前已經(jīng)成為一個(gè)流行的研究方向。步態(tài)識(shí)別，非接觸式遠(yuǎn)距離的身份識(shí)別研究——基于運(yùn)動(dòng)視覺(jué)的第二代生物特征識(shí)別技術(shù)，是根據(jù)拍攝的行走視頻，通過(guò)人體走路的方式辨別人體身份。和其它生物特征相比，無(wú)需接觸和干擾，不具有侵犯性，其信息可以在相對(duì)較遠(yuǎn)的距離秘密地得到并進(jìn)行識(shí)別。本文從理論和實(shí)際應(yīng)用的角度，對(duì)以視頻為輸入的步態(tài)識(shí)別進(jìn)行了一些新的探索。本文的主要貢獻(xiàn)如下： 1)提出了幅值譜和反射

2、對(duì)稱(chēng)作為關(guān)鍵幀特征的步態(tài)識(shí)別算法。分別利用了步態(tài)圖像在頻域上的特征和心理學(xué)研究中步態(tài)的對(duì)稱(chēng)性對(duì)步態(tài)進(jìn)行分析。幅值譜反映了人體步態(tài)的頻域特征，而反射對(duì)稱(chēng)隱含表示了行走時(shí)人體的胳膊和身體的擺動(dòng)習(xí)慣。反射對(duì)稱(chēng)性雖然不是唯一的特征，但實(shí)驗(yàn)證明反射對(duì)稱(chēng)是人體運(yùn)動(dòng)的特征之一，可以輔助進(jìn)行識(shí)別。其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單、快速，特征直觀、有效。 2)提出了小波速度矩和小波反射對(duì)稱(chēng)矩，以及用二者的結(jié)合來(lái)描述步態(tài)，進(jìn)行步態(tài)識(shí)別。小波矩將小波特性和矩特征結(jié)合

3、在一起，是一種新的矩特征，不僅具有平移、縮放和旋轉(zhuǎn)不變性，而且具有小波分析的局部性、較強(qiáng)的抗噪性和多分辨率特征，很好地避免了高階幾何矩的計(jì)算，同時(shí)大大加強(qiáng)了矩特征對(duì)圖像結(jié)構(gòu)精細(xì)特征的刻劃能力。在相似信號(hào)的識(shí)別中表現(xiàn)出很好的特性。速度描述了行走時(shí)的動(dòng)態(tài)特征，反射對(duì)稱(chēng)隱含了身體的傾斜和手腳的擺動(dòng)。文中將速度特征和反射對(duì)稱(chēng)特征分別和小波矩相結(jié)合，獲得小波速度矩和小波反射對(duì)稱(chēng)矩。實(shí)驗(yàn)結(jié)果表明，算法得到了較好的識(shí)別結(jié)果，并具有一定的遮擋處理和抗噪

4、性。 3)提出了分形維數(shù)小波分析描述子步態(tài)識(shí)別算法，并利用訓(xùn)練信號(hào)，得到優(yōu)化濾波器，提取特征，進(jìn)行識(shí)別，改進(jìn)識(shí)別結(jié)果。在小波矩計(jì)算中，只應(yīng)用了那些能夠顯式表達(dá)的小波函數(shù)，并沒(méi)有應(yīng)用Mallat算法，從而限制了小波矩的廣泛應(yīng)用。本文將計(jì)算機(jī)小波和Mallat算法融入了小波矩的計(jì)算，并通過(guò)小波分析的方法求解分形指數(shù)，它增加了小波矩的靈活性，保留了小波矩描述子的性質(zhì)，充分利用二維圖像序列不同尺度上小波分析系數(shù)的自相似性，同時(shí)減少了計(jì)算

5、復(fù)雜度。為得到針對(duì)不同數(shù)據(jù)的優(yōu)化濾波器，文中算法通過(guò)學(xué)習(xí)訓(xùn)練信號(hào)，得到廣義M進(jìn)制多尺度濾波器，使得重構(gòu)信號(hào)對(duì)原始信號(hào)達(dá)到最佳逼近。最后，通過(guò)最優(yōu)濾波器提取特征，進(jìn)行模式分析，在一定程度上提高了識(shí)別率。同時(shí)，對(duì)我們的算法和國(guó)內(nèi)外的主要算法在計(jì)算時(shí)間、等錯(cuò)誤率、復(fù)雜數(shù)據(jù)的識(shí)別以及步態(tài)速度變化處理等方面做了比較。分形維數(shù)描述子具有最低的等錯(cuò)誤率和最少的計(jì)算時(shí)間，而小波矩和分形維數(shù)描述子的結(jié)合得到了最高的識(shí)別率。 4)基于多攝像機(jī)視頻跟

6、蹤，提出了一種靜態(tài)特征和動(dòng)態(tài)特征相結(jié)合的三維步態(tài)識(shí)別方法。在復(fù)雜場(chǎng)景中，人體在運(yùn)動(dòng)中，經(jīng)常存在視點(diǎn)變化、遮擋、地面變化等，而二維分析難以解決。本文在運(yùn)動(dòng)檢索和多攝像機(jī)視頻跟蹤的基礎(chǔ)上，提取人體肢段長(zhǎng)度作為靜態(tài)特征，下肢關(guān)節(jié)相對(duì)于根節(jié)點(diǎn)的距離運(yùn)動(dòng)作為特征，利用線性時(shí)問(wèn)歸一化來(lái)進(jìn)行序列匹配和識(shí)別。三維方法在更為復(fù)雜的3D空間描述人體模型和運(yùn)動(dòng)模型，可以解決視點(diǎn)、光照變化和遮擋問(wèn)題，并且在二維分析難以解決的較為復(fù)雜的地面變化實(shí)驗(yàn)中取得了較好的