空间特征与频率特征相结合的步态识别研究

摘要

随着现代社会对安全需求的提高，生物识别技术作为实现安全的手段得到大力的研究和发展。步态识别是生物识别技术研究中的新领域。医学研究证明，人的步态具有唯一性，根据人的步态可以识别其身份。步态识别研究内容包括步态前景提取、特征提取、模式分类和步态数据库等。本文以特征提取为研究重点，并在步态前景提取与模式分类方面也做了相关的研究。 在步态前景提取方面，提出一种改进的背景差法。根据步态图像中前景点与背景点的差值的分布特点不同，自适应计算区分前景点与背景点的阈值，根据阈值对步态图像进行二值化，经形态学处理后得到步态前景图像。这种改进的背景差法能够脱离人工的干预应用于不同的场景，准确提取步态前景图像。 在步态特征提取方面，提出步态图像空间特征与频率特征相结合的步态识别思想，并在这种思想指导下，分别提出基于傅立叶变换和基于小波变换的两种不同的特征提取方法。首先，用一组以人体轮廓的质心为圆心的同心圆覆盖步态前景，根据同心圆与步态前景之间的位置关系，构造一组同心圆向量来描述步态图像的空间特征；然后，通过对同心圆向量的傅立叶变换和小波变换描述步态图像的频率特征；最后，通过同心圆的半径与同心圆向量的值的变化结合步态图像的空间特征与频率特征，提取步态特征。 在模式分类方面，提出一种基于最多特征相似原则的分类方法。首先，把步态特征分解成多个相互独立的子特征；然后，对分别对每个子特征进行分类识别；最后，把步态归于有最多子特征相似的那一类。 结合上述三个方面的研究成果，在中国科学院自动化研究所的NLPR．步态数据库的侧面、正面和斜向三个视角方向和加州大学圣地亚哥分校的USCD步态数据库上的实验中，当覆盖在步态前景上的同心圆个数和步态子特征的个数达到一定的数目时达到了100％的识别率。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章引言

1.1生物特征识别技术

1.2步态识别

1.3步态识别应用

1.3.1智能监控应用

1.3.2计算机人体行为分析

1.4步态识别研究内容

1.4.1步态前景提取

1.4.2特征提取

1.4.3模式分类

1.4.4步态数据库

1.5本文的研究内容和组织结构

1.5.1本文的主要研究内容

1.5.2本文的组织结构

第2章步态识别方法研究

2.1步态前景提取

2.1.1背景差法

2.1.2时间差分法

2.1.3光流法

2.1.4形态学处理

2.2特征提取

2.2.1基于模型的方法

2.2.2非模型化方法

2.2.3特征提取方法分析与总结

2.3模式分类

2.4小结

第3章基于傅立叶变换的步态识别

3.1步态前景的提取

3.1.1背景建模

3.1.2差影及自适应阈值计算的二值化

3.1.3形态学处理

3.2步态图像的空间特征表示

3.2.1步态图像归一化

3.2.2质心的计算

3.2.3同心圆向量的步态表示

3.3步态图像的频率特征提取

3.3.1傅立叶变换基本理论

3.3.2步态图像频率特征的提取

3.4步态特征的融合与提取

3.5基于空间特征与频率特征相结合的步态识别

3.5.1规格化步态周期

3.5.2相似性度量

3.5.3分类识别

3.6实验

3.6.1实验平台与参数设定

3.6.2实验结果与分析

3.6.3实验结果评估与比较

3.7小结

第4章基于小波分析的步态识别

4.1小波分析理论

4.2基于小波分析的步态特征提取

4.3基于小波分析的步态识别

4.3.1相似性度量

4.3.2分类识别

4.4实验

4.4.1实验平台与参数设定

4.4.2实验结果与分析

4.5小结

结论

参考文献

致谢

附录A攻读学位期间所发表的学术论文