基于双支撑相轮廓特征的步态识别系统研究与实现

《基于双支撑相轮廓特征的步态识别系统研究与实现》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于双支撑相轮廓特征的步态识别系统研宄与实现第一章绪论1.1课题研究背景及意义.随着现代社会对于个人信息安全保障的耍求越来越高，很多传统的身份识别方法（如口令、钥匙、1C卡等）己经暴露出很多的不便和缺陷。为了适应现代化视频的快速发展，出现丫越来越多的生物识别技术。这些新的技术通过电脑与各类传感器和生物统计学原理等高科技方法紧密结合，砬用人体固有的生理特性，（如人脸、虹膜、掌纹等）和行为特征（如步态、声音、字迹等）来进行个人身份的识别。因为生物识别技术更具安全、方便和保密性，越来越多的人投入到生物识别技术的研宄当中。FI前生物识别技术领域已经有很多的研宂成果得到广泛应用，比如虹膜识别、人

2、脸识别、指纹识别等。现在比较成熟的生物特征识别技术（如虹膜，指纹识别等）往往需要近距离或接触感知，需要人暂停正常活动做相应的配合。而近几年新兴的步态识别技术，可以通过人行走的姿态而进行身份识别，而不对行人造成干扰。步态识别具有远距离非接触和不容易伪装、难以隐藏等优点，并且在低视频质量情况下也有识别潜力。FI前步态识别理论研宂中取得丫一定的成果，但是还存在很多制约其发展的问题，比如柏摄角度、携带东西等因素会影响识别准确度。如果能突破这些制约因素，步态识别必定能在实际生活当中得到广泛应用。1.2发展现状步态识别具有非接触、远距离识别等其它生物特征识别所无法比拟的优势,正被越来越多的科技人员

3、所关注。在美国制定HID反恐计划后，括麻省理工学院、南安普敦大学、卡内基梅隆大学等20多所高校开始进行步态识别的研究国外一些著名高校开始对步态识别进行研宄。国内由中科院自动化研宂所率先对步态识别的进行研究，随后国内参与研宄的高校逐渐堉多。目前步态识别技术研究仍然处于理论探索阶段，还在研究准确奋效的步态识别方法，能够满足人们大部分需求的实用步态识别系统还未出现。1.3步态识别的主要过程步态识别的主要过程大致如图1-1所示。首先，摄像机记录下人的行走视频，并传输到计算机：然后，计算机程序对视频进行分析提取人的步态特征，最后进行识别。计算机程序会对视频中的运动目标进行运动检测、运动分割、特征

4、提取等关键的预处理工作；然后，再经过步态表征算法的处理，得到与步态数据库统一的模式；最后，将计算得到的步态特征与步态数据库的步态特征进行匹配识别O1.4主要研宄内容1.4.1人体检测主要研究从拍摄视频图像屮分割得到运动的人体的二值化图像。这一步属于运动0标检测，是步态识别过程的基础。从图像中将运动0标或部分0标分割出来。分割质量的高低会对后续步态特征提取、步态识别工作产生重要影响。多数情况下，步态识别的采样摄像机只需耍监测一个变化不大的背景，而实际上这些背景对我们没有价值。我们只对路过的行人感兴趣。但是，实际环境下影子、反光、光照及背景扰动等因素会使背景发生动态变化，会使有效的人体检测

5、有一定难度。比较常用的运动0标检测方法奋背景减除法、光流法和吋间差分法三种。1.4.2步态特征提取基于模型的方法和非模型的方法是目前步态特征提取的两类主要方法。基于模型的方法通常先建立人体结构模型或运动模型，然后利用模型的参数、规律等作为特征进行步态特征提取。比较典型的基于模型的方法有：钟摆模型，用大腿的倾斜角度作为步态特征：椭圆模型，将椭圆的长短轴之比、主轴夹角以及质心坐标等29个参数作为步态特征。棊于模型的方法通常要求清晰度较高的输入图像以获取高精度的特征。这些方法对轮廓分割质量要求较高，因此计算比较复杂。S前研宄比较热的是非模型的方法。非模型方法不需要建立人体结构模型或运动模型。

6、这些方法直接利用人体轮廓图像的统计信息作为特征。非模型的方法的优势是提取步态特征计算量小，很适合实时运算。其缺点是识别精度受遮挡物的影响较大。目前人部分步态识别研宄都采用非模型的方法提取步态特征。本文通过大量实验观察发现，人体下肢的变化规律特征最稳定，最难受外界因素的影响，最能表现人体的步态信息。通过对运动目标的轮廓检测，得到人体外形边缘轮廓。并且通过轮廓矩形宽高比的变化规律来确定步态的周期变化。将轮廓矩形宽高比和大腿和小腿的倾斜角作为主要步态特征。1.4.3步态鉴别步态的分类识别过程通常称为步态鉴别过程。一般采用特定的算法将需要识别的步态与保存在步态数据库中的步态模式进行匹配，再通过

7、一些分类识别方法进行识别。因为步态的运动特性，所以对步态的分类识别通常采用基于动态系统的识别方法。一般分为基于概率统计和基于模板的方法。动态系统模式识别中基于统计的方法的识别效果比较好，主要有隐马尔可夫模型(HMM0n动态贝叶斯网络(DBN)。隐马尔可夫模型是目前步态识别中应用最为广泛的识别方法，它己经成功应用于语音识别、文字识别等领域。虽然动态贝叶斯网络具有隐马尔可夫模型没有的一些优点，但是动态贝叶斯网络由于模型结构复杂、参数繁多等原因，S前