基于腿部三角特征的贝叶斯步态识别方法研究

摘要

随着现代社会对安全要求的提高，传统身份识别方法受到局限，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。步态识别作为生物特征识别技术的新兴领域，以其难于隐藏和伪装、便于采集和远距离低分辨率识别等优点，成为近年来计算机视觉领域备受关注的前沿方向。在步态的身份识别技术研究中，本文在步态特征提取和身份分类识别，以及识别系统的构建方面做了尝试和探索。 针对目前步态识别算法中出现的特征庞大、计算复杂等缺点，本文提出了一种基于腿部三角特征的贝叶斯步态识别方法。对步态序列的原始图像，运用改进的背景差分方法进行运动分割，二值化之后用形态学方法消除噪音，根据幅值的周期性变化曲线提取关键帧。运用检测算法对提取的关键帧进行人体检测以及人体区域划分后，用三角形分别对最大关键帧以及最小关键帧进行模拟，提取三角形的三边长度、上顶角值以及人体髋部中点坐标为步态特征。识别时引入KNN或者N-best分类对属性值初次分类，再用贝叶斯分类识别。在NLPR数据库上使用留一校验方法进行算法验证，取得了比较理想的识别效果。 同时，本文采用Matlab语言作为开发工具，结合Web技术及其相应功能，设计并实现了基于腿部三角特征的N-best-Bys步态识别学习演示系统。系统以步态识别技术为主体，贯穿了模式识别的基础原理、方法和理论。步态识别学习演示系统面向现实应用，使得学生具有感性认识，提高了学生的自主学习能力。

目录

文摘

英文文摘

声明

第一章引言

1.1生物识别技术

1.2步态识别简介

1.3步态识别的应用

1.4本文的主要工作和组织结构

第二章步态识别的一般过程

2.1运动分割

2.2步态特征提取

2.2.1基于模型的方法

2.2.2基于整体的方法

2.3模式分类

2.4步态数据库

第三章基于腿部三角特征的贝叶斯步态识别方法

3.1图像预处理

3.1.1图像分割

3.1.2人体区域检测

3.1.3关键帧选取

3.2腿部三角特征提取

3.2.1腿部三角特征的提出思路

3.2.2腿部三角特征的提取

3.3分类算法

3.3.1问题的提出

3.3.2朴素贝叶斯分类

3.3.3 KNN-Bys分类

3.3.4 N-best-Bys分类

3.4评价标准及实验结果分析

3.4.1步态识别评价标准

3.4.2实验结果分析

第四章步态识别学习演示系统设计与实现

4.1需求分析

4.2系统设计

4.2.1系统总体设计

4.2.2系统界面设计

4.3系统实现

4.4基于Matlab Web Server的步态识别学习演示系统

4.3.1 Matlab Web Server概述

4.3.2系统设计

4.3.3系统实现

第五章总结与展望

5.1论文及研究工作总结

5.2后续工作及期望

参考文献

致谢

攻读学位期间的主要研究成果