基于小波描述子和人體骨架模型的多視角融合步態(tài)識(shí)別.pdf

1、步態(tài)識(shí)別是生物特征識(shí)別技術(shù)中的一個(gè)新興子領(lǐng)域，旨在根據(jù)人們行走或跑步的方式確定其身份。由于步態(tài)是目前技術(shù)條件下較易遠(yuǎn)距離感知的生物特征，隨著安全敏感場(chǎng)合對(duì)視覺(jué)監(jiān)控系統(tǒng)的迫切需求，步態(tài)識(shí)別研究受到了廣泛的關(guān)注。 步態(tài)識(shí)別主要針對(duì)含有人的步行運(yùn)動(dòng)圖像進(jìn)行分析，其關(guān)鍵是尋找合適的步態(tài)特征及分類方法，須融合計(jì)算機(jī)視覺(jué)、模式識(shí)別以及視頻/圖像序列處理等多種技術(shù)。圍繞這個(gè)主題，本文對(duì)視頻序列的步態(tài)特征提取、識(shí)別和評(píng)價(jià)進(jìn)行了探索性研究，主要有

2、以下幾部分工作： （1）討論了人體輪廓的特征表達(dá)方法。運(yùn)用鄰域邊界跟蹤算法提取了人體輪廓，經(jīng)對(duì)該輪廓進(jìn)行重采樣和歸一化處理，提取了邊界中心距，為減小運(yùn)算量，對(duì)邊界中心距進(jìn)行了小波描述，進(jìn)而使用小波描述子特征來(lái)表達(dá)步態(tài)信息；基于數(shù)學(xué)形態(tài)學(xué)算法建立了人體骨架模型，從骨架中提取人體的動(dòng)態(tài)參數(shù)（如運(yùn)動(dòng)過(guò)程中的關(guān)節(jié)點(diǎn)位置和肢體角度）來(lái)表達(dá)步態(tài)信息。 （2）利用人體輪廓寬度信號(hào)的周期性變化來(lái)劃分步態(tài)周期，并將此參數(shù)作為步態(tài)分類識(shí)別的

3、基本單元，提取了周期極大值點(diǎn)作為關(guān)鍵點(diǎn)及其特征參數(shù)。 （3）采用了支持向量機(jī)（SVM）作為分類器和提取的兩種特征參數(shù)（小波描述子和人體骨架模型）在不同樣本數(shù)的數(shù)據(jù)庫(kù)上進(jìn)行了人體身份識(shí)別，并比較了這兩種特征識(shí)別性能的優(yōu)劣；運(yùn)用融合算法進(jìn)行了多特征、多視角融合實(shí)驗(yàn)，證明了多特征、多視角融合的識(shí)別性能優(yōu)于單一特征、單一視角方法。 （4）分別引入正確識(shí)別率（ProbabilityofCorrectRecognition，PCR）