基于帧差能量图的步态识别算法研究

摘要

随着时代的发展，社会的信息化程度日益提高，生物特征识别技术因其安全性、稳定性、可靠性、普遍性及携带方便等特性，被广泛的应用于智能监控及身份识别领域。步态识别作为远距离下最具潜力的生物特征识别技术，它与指纹识别、人脸识别、视网膜识别等其他生物特征识别技术相比，具有非侵犯性、非接触性、难以伪装和隐藏等特性。近年来，关于步态识别的研究成为智能视频监控、计算机视觉、医疗诊断、门禁系统等领域比较热门的研究课题，具有广阔的应用前景和现实意义，受到国内外研究者的广泛关注。
　　步态识别是根据人走路的姿势进行个体身份鉴别的生物特征识别技术。步态识别为远距离生物特征识别提供了可能，其关键就是要提取出能够有效表达步态连续性周期运动规律的步态特征，并通过该步态特征设计相应的分类器进行分类识别。本文对步态帧差能量图进行分析研究，提取其行质量向量作为步态特征，该步态特征能有效降低特征维度，减少计算量，满足实时识别的需求，最后用连续隐马尔可夫模型(CHMM)进行分类识别。本文主要完成的研究工作如下：
　　①步态图像的预处理阶段：通过运动目标检测、图像分割、二值化处理、形态学和联通性分析等过程，获得完整的二值步态图像序列。进一步获取步态的准周期性信息，为后续工作做好准备。
　　②步态特征提取阶段：对相邻帧之间的步态帧差能量图进行分析，发现其能有效的表达相邻帧步态图像之间的关联性信息，且不同个体的特征区分比较明显，可以作为步态特征。文献[50]直接提取帧差能量图作为步态特征，有较好的识别性能，但其计算复杂度较高。本文在此基础上，设计了一种以帧差能量图行质量向量为步态特征的步态识别算法，能有效降低特征维度，减小计算量，且依然能保持较好的特征区分度。
　　③步态识别阶段：采用CHMM模型进行模式分类识别，包括CHMM建模和识别两个步骤。在CASIA Dataset A和CASIA Dataset B步态数据库中分别进行仿真实验，实验结果验证了算法的有效性。

目录

1 绪论

1.1选题背景与研究意义

1.2步态识别技术综述

1.3本文的主要研究内容及结构安排

2 步态识别研究方法

2.1 运动目标检测方法

2.2 特征提取方法

2.3 模式分类法

2.4 本章小结

3 步态图像的预处理

3.1背景建模

3.2运动检测

3.3形态学处理

3.4 图像连通性分析

3.5步态周期检测

3.6 本章小结

4 基于帧差能量图行质量向量的步态识别算法

4.1 步态图像预处理

4.2 步态特征提取

4.3 用帧差能量图行质量向量构建CHMM模型

4.4基于CHMM模型的步态识别算法

4.5仿真实验与结果分析

4.6 本章小结

5 结论与展望

5.1本文的研究成果与不足

5.2对未来工作的展望

参考文献

附录A:攻读硕士期间发表的论文

致谢

声明