基于蟻群算法和遺傳算法的步態(tài)識別研究.pdf

1、在計算機視覺和智能視頻監(jiān)控領域，步態(tài)識別是一個新興的研究方向， 它是根據人們走路的方式來進行人的身份識別。步態(tài)的分析與識別在安全領域、人機交互、動畫、虛擬現實和醫(yī)學等諸多領域有著重要的應用前景和巨大的經濟價值。隨著計算機信息技術的飛速發(fā)展，步態(tài)自動識別研究已經取得了很大的進展。為了提高識別的準確性，大多數研究都對步態(tài)特征的提取給予了較大的關注，而忽視了對識別算法的研究。本文結合國家自然科學基金資助項目，主要針對多種識別算法對步態(tài)特征識

2、別性能的影響進行了探索性的研究。 論文首先簡要綜述了步態(tài)識別技術，評述了在步態(tài)識別領域的一些主流方法和途徑，討論了步態(tài)識別應用的理論和方法，并對現有的識別技術進行了概括和總結。其次從運動檢測、感興趣區(qū)域提取與處理、步態(tài)周期分割和步態(tài)能量圖幾個方面介紹了步態(tài)特征的提取過程。針對動態(tài)背景下的運動檢測，使用混合高斯模型進行背景建模，大大提高了檢測出來的步態(tài)特征的精度。在感興趣區(qū)域提取與處理部分，采用全局搜索方法尋找最小人體矩形框，并對

3、其進行歸一化和中心化處理。在檢測步態(tài)周期時，轉化為求取步態(tài)序列信號自相關函數的周期。根據得到的步態(tài)序列構建步態(tài)能量圖作為識別特征。 本文的核心內容在于對多種識別技術的比較研究：提出一種基于HMM的步態(tài)識別算法，使用HMM中的Baum-Welch算法對每個人體步態(tài)建模，然后使用前向，后向算法進行識別，用這種方法的識別率可以達到75％以上；首次把蟻群算法應用到步態(tài)識別中，該算法模擬了螞蟻尋找食物的自適應過程，能夠對輸入的樣本自動訓練

4、出聚類中心，這樣就省去人工干預訓練樣本的過程，并且該方法的識別率較HMM識別算法提高了五個百分點；用遺傳算法對蟻群算法進行優(yōu)化，把每個螞蟻編碼成一個染色體，通過染色體適應度的大小進行選擇淘汰操作，并且通過交叉概率和變異概率進行雜交和變異運算，實驗結果表明該方法的正確識別率在90％以上。 最后，在CASIA數據庫對三種不同識別算法進行了大量的實驗，并對實驗結果進行了比較和分析，總結了多種識別技術在識別的有效性和計算復雜度等方面的優(yōu)