基于子空间学习的多视角步态识别算法研究

摘要

随着计算机视觉和模式识别理论的发展，步态识别作为一种新颖的生物特征识别技术，近年来引起了国内外学者的关注。步态识别旨在根据行人的走路姿势实现对个人身份的识别，具有远距离、非接触、难伪装、模仿或隐藏的特点。在安全敏感场所的视频监控、访问控制、辅助破案等方面具有广泛的应用价值。　　由于人的行走方向是任意的，当摄像头固定时，人的行走方向与摄像机光轴所成夹角是任意的，即步态视角通常是未知的。而不同视角下观察到的同一个人的人体外观差异很大。从而导致同一个人不同步态视角视图之间的变化大于不同人不同步态视角视图之间的变化，使算法识别性能在视角改变时急剧下降。因此，为了构建一个待识别序列视角未知的完整步态识别算法，提高步态识别算法的识别性能，促进步态识别技术朝着实用化的方法发展，本文给出了基于子空间学习的多视角步态识别算法，本文主要工作如下:　　1)给出了基于步态能量图投影信息的步态视角识别算法　　针对待识别步态序列视角未知问题，本文以步态能量图为基础，通过分析不同视角步态能量图的特点，提出了一种基于步态能量图投影信息的步态视角识别算法。该算法采用步态视图两级分类机制，先利用步态能量图投影信息将待识别步态序列分成前视图和后视图两类，再分别对每一类视图进行细分类，从而实现步态视角识别。实验结果表明，该算法充分利用步态能量图投影信息，提高了步态视角识别算法性能，取得了较好的识别效果。　　2)给出了基于视图一致性的多视角判别分析步态识别算法　　为了提高多视角步态识别算法性能，本文采用子空间学习的方法，以MvDA为框架，结合步态视角识别算法，将结合视图一致性的多视角判别分析应用于交叉视角步态识别，给出了一种基于视图一致性的多视角判别分析步态识别算法。实结果表明，该算法优化了步态视图判别分析性能，提高了多视角步态识别算法性能。　　3)给出了基于视角识别的加权融合多视角步态识别算法　　针对待识别步态视角与数据库中步态视角不一致问题，本文结合步态视角识别算法，提出了一种基于视角识别的加权融合多视角步态识别算法。该算法以步态视角识别为基础，利用相近视角加权融合，将匹配总分值作为步态识别的依据，对数据库中未包含的步态视角视图进行识别。实验结果表明，该算法对未知视角视图步态识别鲁棒性较好。　　为了验证基于子空间学习的多视角步态识别算法的识别性能，本文使用中科院CASIA-B数据集124人11个视角的步态数据进行实验。从中随机抽取74人作为训练集，其余50人作为测试集。实验结果显示本文的步态识别准确性在待识别视角参与训练时为86.18％，未参与训练时为75.60％，表明本文提出的算法是一种有效的步态识别算法。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景和意义

1．2 步态识别的可行性分析

1．3 步态识别的研究历史与现状

1．4 步态研究内容与难点分析

1．4．1 研究内容

1．4．2 难点分析

1．5 本文的研究工作和论文结构

1．5．1 本文的研究工作

1．5．2 论文的组织结构

第2章 步态识别研究概述

2．1 步态识别关键技术研究现状

2．1．1 运动目标检测

2．1．2 步态特征提取与表示

2．1．3 步态特征比对

2．2 步态识别的主要方法

2．2．1 基于模型的方法

2．2．2 非模型的方法

2．2．3 特征融合的方法

2．3 多视角步态识别技术研究现状

2．4 数据库与评测标准

2．4．1 步态识别数据库

2．4．2 步态识别系统主要评测标准

2．5 本章小结

第3章 基于步态能量图投影信息的步态视角识别算法

3．1 引言

3．2 相关工作

3．2．1 步态视角识别研究现状

3．2．2 步态视频预处理

3．2．3 特征选择与提取

3．2．4 特征降维与相关处理

3．3 基于步态能量图投影信息的步态视角识别算法原理与描述

3．3．1 视角识别特征提取

3．3．2 视角识别两级分类器设计

3．3．3 算法描述

3．4 实验结果与分析

3．5 本章小结

第4章 基于视图一致性的多视角判别分析步态识别算法

4．1 引言

4．2 相关工作

4．2．1 子空间学习的基本原理

4．2．2 多视角典型性相关分析(MCCA)

4．2．3 多视角判别分析(MvDA)

4．3 基于视图一致性的多视角判别分析步态识别算法原理与描述

4．3．1 算法原理

4．3．2 算法描述

4．4 实验结果与分析

4．4．1 数据集描述和实验设置

4．4．2 不同算法实验对比与分析

4．4．3 参数对算法的影响

4．5 本章小结

第5章 基于视角识别的加权融合多视角步态识别算法

5．1 引言

5．2 相关工作

5．3 基于视角识别的加权融合多视角步态识别算法原理与描述

5．3．1 算法原理

5．3．2 算法描述

5．4 实验结果与分析

5．4．1 可行性实验分析

5．4．2 不同算法实验对比与分析

5．5 本章小结

总结与展望

本文主要工作总结

未来工作展望

参考文献

致谢

作者简介