基于人体轮廓和腿部特征的步态识别方法

第1章绪论 (1)

1.1研究背景和意义 (1)

1.2国内外研究现状 (2)

1.2.1基于模型的步态识别 (2)

1.2.2非模型的步态识别 (2)

1.3主要研究内容与论文组织结构 (4)

1.3.1主要研究内容 (4)

1.3.2论文组织结构 (4)

1.4本章小结 (5)

第2章步态识别涉及的相关知识 (6)

2.1视频图像的预处理 (6)

2.1.1行人检测和分割提取 (6)

2.1.2行人的步态图像归一化 (7)

2.1.3步态的周期检测 (8)

2.2特征提取与表示 (8)

2.3步态特征融合与识别分类 (8)

2.3.1特征融合技术 (9)

2.3.2步态识别的识别分类 (10)

2.3.3鲁棒性分析 (10)

2.4步态识别数据库 (10)

2.4.1UCSD步态数据库 (10)

2.4.2SOTON步态数据库 (10)

2.4.3CMU Mobo步态数据库 (11)

2.4.4HID-UMD步态数据库 (11)

2.4.5USF步态数据库 (11)

2.4.6Gait Challenge步态数据库 (11)

2.4.7CASIA步态数据库 (11)

2.5本章小结 (12)

第3章基于vPCA与RLDA方法的步态特征提取与识别 (13)

3.1步态识别系统的基本框架 (13)

3.2散布矩阵的奇异值问题 (14)

3.3步态识别中常用的降维方法 (15)

3.3.1主成分分析法 (15)

3.3.2线性判别分析法 (16)

3.4LDA扩展方法的步态特征提取 (17)

3.4.1PCA与LDA相结合的特征提取 (18)

3.4.2DLDA (18)

3.4.3RLDA (19)

3.5基于变形PCA和RLDA的步态特征提取 (20)

3.6LDA扩展方法及vPCA+RLDA方法的识别实验 (22)

3.6.1视频图像预处理 (22)

3.6.2实验结果与分析 (23)

3.7本章小结 (27)

第4章融合腿部局部特征的步态特征提取与识别方法 (28)

4.1步态能量图像与腿部轮廓区域图像 (28)

4.2特征提取 (29)

4.3特征表示 (31)

4.4最小距离分类器 (32)

4.5k近邻分类器 (32)

4.6支持向量机分类器 (33)

4.7迭代模糊孪生支持向量机分类器 (34)

4.8融合腿部局部特征的步态识别实验 (36)

4.8.1视频图像预处理 (36)

4.8.2实验结果与分析 (37)

4.9本章小结 (43)

第5章总结与展望 (44)

5.1本文总结 (44)

5.2工作展望 (45)

参考文献 (46)

致谢 (49)

攻读学位期间取得的科研成果 (50)

第1章绪论

1.1研究背景和意义

随着人工智能技术的快速发展以及人们对自身隐私和公共安全的愈发重视，智能监控系统的使用率越来越高。研究人员希望智能监控系统像人类一样能够快速辨别各种信息。在人与人的交互中，视觉是最重要的信息之一，通过感知对方的手势、表情和动作等方面的变化来判断对方的心理或者行为的变化。

生物特征识别技术主要是利用生物与生俱来的特征或者后天习惯特征来辨别生物的身份。生物特征主要有生理和行为两种特征，目前，市场上的识别系统大部分是采用生理特征进行鉴别。但是，没有任何一种生物特征是完美的，这些比较成熟的生物识别技术都是接触式的或者近距离识别，在实际应用时都受到了很多环境条件的限制。

步态识别作为重要的生物特征识别技术，主要是根据行人走路的姿势进行身份识别和认证。近年来，步态识别已经成为计算机视觉和生物特征识别领域的一个新的研究热点。步态识别可以克服生理特征只能近距离识别的缺陷，它可以在远距离的状态下进行识别，具有非侵犯性、难于隐藏和伪装等特点。因此，步态识别具有广泛的应用前景和经济价值。

步态识别在整个处理过程中不仅使用到了图像处理和模式识别的专业知识，也使用了一些人工智能领域的理论。在国内步态识别的研究起步较晚，早期的研究主要以中科院为主。中科院成立了步态识别国家重点实验室，并建立了自己的步态数据库，在它的带动下，国内一些大学开始了与之相关的研究工作，并取得了很多成果。

作为一种远距离身份识别的生物行为特征，步态识别具有一定的优点，但同时也存在许多缺陷，例如步态识别的识别率较低，识别速度较慢。为了解决这些问题，研究人员投入到步态识别的研究之中，并取得了一系列的探索性的研究成果。

总之，步态识别作为重要的生物特征识别技术，具有重要的理论研究意义和实用价值，特别是研究步态识别中各种外界因素对于识别性能的影响，提高识别效率和识别速度具有重要的理论意义和现实意义。