基于特征融合的快速步態(tài)識別算法研究.pdf

1、步態(tài)識別是生物特征識別技術中的一個新興領域，旨在根據(jù)人的走路姿態(tài)進行身份鑒別，與指紋、人臉、掌紋、虹膜等傳統(tǒng)生物特征識別相比，具有非接觸、遠距離、難隱藏、難偽裝等優(yōu)勢，在視頻監(jiān)控領域具有廣泛的應用前景和商業(yè)研究價值，近年來受到人們的普遍關注，已經(jīng)成為生物特征識別領域研究的熱點。
　　步態(tài)識別一般包含運動目標檢測、特征提取和分類識別三個部分。本文針對傳統(tǒng)步態(tài)識別研究中基于單一特征算法識別率低，多特征融合算法又過于復雜、時間花銷大的問

2、題，進行了深入研究。
　　在運動目標檢測方面，針對步態(tài)實際環(huán)境隨時間不斷變化問題，提出一種將自適應背景建模與最大類間方差法結合起來的實時背景減除法。采用自適應背景建模法進行實時背景更新建模并采用最大類間方差法解決傳統(tǒng)背景減除法中差分圖像進行閾值分割時分割閾值難以確定的問題。最后對所獲得的二值化圖像進行一系列的膨脹、腐蝕、開運算和閉運算等形態(tài)學處理操作。實驗結果表明，該算法能夠提取出完整的人體輪廓圖像，并且能夠有效抑制噪聲，最終達到

3、提高步態(tài)識別率的目的。
　　在步態(tài)特征提取方面，首先利用下肢肢體寬度特征對步態(tài)視頻序列進行周期檢測，提取某個人的任意一個周期中的四幅關鍵幀圖像用作后期步態(tài)特征提取的圖像。該算法一方面可以減少算法處理的數(shù)據(jù)量，消除冗余數(shù)據(jù)，大大降低了步態(tài)識別時間。另一方面，可以消除步態(tài)周期的非嚴格性以及行走速度差異對識別造成的影響。然后對關鍵幀圖像進行圖像標準化處理，消除因尺寸的差異會對后來的特征提取以及分類識別產(chǎn)生的影響。最后對經(jīng)標準化后的關鍵幀

4、圖像分別提取能夠反應人體運動學信息的動態(tài)下肢肢體角度特征以及能夠反應人體全局特征的靜態(tài)統(tǒng)一 Hu矩特征，并分別計算各特征的識別權重，對兩個特征進行加權融合，得到最終的融合特征。
　　在分類識別方面，針對本文提取的步態(tài)特征的特點，引入一種能夠適用于不同類別特征融合的最近鄰模糊分類器用作最終的分類器，并將計算得到的每個特征的權值附加到隸屬度矩陣中，最后根據(jù)隸屬度最大值進行分類決策。最后在 CASIA步態(tài)數(shù)據(jù)庫上進行仿真實驗。實驗結果表