基于輪廓特征與多重分形分析的步態(tài)識(shí)別方法研究.pdf

1、步態(tài)識(shí)別，即根據(jù)人的行走的方式來進(jìn)行身份識(shí)別，具有非接觸性、對圖像質(zhì)量要求低和難以偽裝和隱藏等特點(diǎn)，因而被認(rèn)為是遠(yuǎn)距離情況下最具潛力的生物識(shí)別技術(shù)。近年來關(guān)于步態(tài)識(shí)別的研究成為計(jì)算機(jī)視覺、門禁系統(tǒng)、醫(yī)療診斷等領(lǐng)域比較熱門的研究課題，具有廣闊的應(yīng)用前景和現(xiàn)實(shí)意義。
　　步態(tài)識(shí)別的關(guān)鍵是提取能夠有效表達(dá)人體運(yùn)動(dòng)規(guī)律的步態(tài)特征，并且通過設(shè)計(jì)相應(yīng)的分類器完成分類識(shí)別。本文通過分析步態(tài)序列的特性，構(gòu)造出累積幀差能量圖（Accumulated

2、 Frame Difference Energy Image，AFDEI），并對步態(tài)能量圖(Gait Energy Image，GEI)與累積幀差能量圖進(jìn)行研究分析，然后結(jié)合多重分形譜對圖像不同層次的細(xì)節(jié)特征的精確描述性，提出了基于輪廓特征與多重分形分析的步態(tài)識(shí)別方法GRSMA(Gait Recognition Using Silhouette and Multifractal Analysis)。本文主要工作內(nèi)容:
　　1、對現(xiàn)

3、有的著名步態(tài)識(shí)別算法進(jìn)行了總結(jié)和分類。將步態(tài)識(shí)別算法分為兩大類:基于模型的步態(tài)識(shí)別方法和基于輪廓的步態(tài)識(shí)別方法。基于輪廓的步態(tài)識(shí)別方法又分為基于能量圖的步態(tài)識(shí)別方法和基于輪廓幾何特征的步態(tài)識(shí)別方法。
　　2、獲取累積幀差能量圖和步態(tài)能量圖。首先通過預(yù)處理提取步態(tài)輪廓二值圖像，依據(jù)輪廓的寬高比確定步態(tài)圖像的周期并選取一周期的步態(tài)輪廓圖像，然后計(jì)算步態(tài)序列各幀之間前向幀差圖和后向幀差圖，獲取幀差能量圖，進(jìn)而通過加權(quán)平均法獲取累積幀差能

4、量圖AFDEI。同時(shí)，采用加權(quán)平均法獲取步態(tài)能量圖。
　　3、提取基于多重分形理論的步態(tài)特征矩陣。從紋理的角度分析GEI和AFDEI，提取GEI和AFDEI的多重分形譜，進(jìn)而得到步態(tài)圖像序列的特征矩陣。
　　4、在CASIA B數(shù)據(jù)庫中基于最近鄰分類法進(jìn)行實(shí)驗(yàn)，分別將GEI和AFDEI的特征進(jìn)行融合，得到最終的識(shí)別結(jié)果。將本文算法與GEI+(2D)2PCA，GEI+W(2D)2PCA和SFDEI+HMM進(jìn)行比較，證明了本文算