基于模糊积分和轮廓特征的步态识别

摘要

步态识别技术是通过研究步态图像序列中人的行走方式来识别个体的一种技术，因其可以远距离识别，具有不可侵犯性，被广泛应用在视频监控领域，近年来成为生物特征识别领域的研究热点之一。
　　 本文在步态轮廓检测，步态特征提取和步态识别方面做了以下工作：
　　 在步态检测方面，利用自适应高斯混合模型进行背景建模，利用背景减除法提取出步态轮廓后进行滤波处理，并与帧差法提取运动目标进行对比，实验结果表明利用背景建模法建立背景后，背景减除法提取的运动目标轮廓较准确。
　　 在阴影检测方面，利用阴影的视觉特性来判断是否存在阴影，对存在的阴影利用多梯度分析和二值快速聚类法检测，将其与一般的检测方法进行对比,可知二值快速聚类法的检测效果较好。
　　 在步态特征提取方面，分别提取步态的动态特征和静态特征，基于步态轮廓提取一个步态周期内的步态宽度特征和步态轮廓直方图特征，再利用傅里叶变换和小波变换的基础理论，提取步态轮廓的傅里叶描述子特征和小波矩特征，根据特征数据分布的不同，对高维特征向量分别利用不同的降维算法，例如PCA+LDA算法，LPP算法等，将高维特征降为低维特征，减少后续识别的运算量。
　　 在步态识别方面，分别利用隐式马尔科夫模型进行步态识别和利用模糊积分对分类器进行融合识别，并将识别结果进行比较。模糊积分融合方法是根据不同特征的识别率来确定分类器的隶属度，根据隶属矩阵来确定分类器的重要性，能够更好的使分类器之间互补，从而能将步态特征在决策层进行有效的融合。
　　 最后，利用VC调用MATLAB引擎进行步态运动目标的提取，使用中科院步态数据库20个人3个视角的步态视频进行仿真实验，证明本文所采用的方法具有优越性。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 步态识别基础理论

第三章 基于高斯背景建模与二值聚类的步态检测

第四章 步态特征

第五章 基于模糊积分的步态识别实现

第六章 总结和展望

参考文献

致谢

攻读学位期间发表的学术论文及参加的科研项目