复杂背景下多特征融合的人体步态识别研究

复杂背景下多特征融合的人体步态识别研究

ID:35071910

大小:6.63 MB

页数:61页

时间:2019-03-17

复杂背景下多特征融合的人体步态识别研究_第1页
复杂背景下多特征融合的人体步态识别研究_第2页
复杂背景下多特征融合的人体步态识别研究_第3页
复杂背景下多特征融合的人体步态识别研究_第4页
复杂背景下多特征融合的人体步态识别研究_第5页
资源描述:

《复杂背景下多特征融合的人体步态识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:10589学号:13081000210013分类号::密级诲洁大#硕±学位论文题目:复杂背景下《特征融合的人体步态识别研究作者:周浩理指导教师:李太君教授类别:学术型专业:信息与通信工程时间二〇—六年五月:Mu-ltifeatureFusionofHumanGaitRecogn化ioninComplexBackgroundAThesisSubmitedinPartialFulfillmentoftheRequir

2、ementFort/jeMas化rDeg化e/V?InformationandCommunicationEngineeringBy化ou-HaoilSuv-perisor:LiTaiunjorIitiiiMa:nformationandCommuncaonEngneerngjSubmitedtime:May2016,HainanUniversitMaikouMainanP.R.Chmay,,,2016海南大学学位论文原创性声明和使用授权说明原创性声明:所呈交的

3、学位论文,独立进行研究工作本人郑重声明,是本人在导师的指导下所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中W明确方式标明。本声明的法律结果由本人承担。论文作者签名:陵名至曰期;如/占年^月又巧学位论文版权使用授权说明本人完全了解海南大学关于收集、保存、使用学位论文的规定,目P:学校有权保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅。学校可W为存在馆际合作关系兄弟髙校用户提供文献传递

4、服务和交换服务。本人授权海南大学可W将本学位论文的全部或部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密论文在解密后遵守此规定。论文作者签名:|冷竣剧巧签名:句'日期;心4年(月>巧日期;年^麻""本人已经认真阅读CALIS高校学位论文全文数据库发布章程,同意将本人的学""""位论文提交CALIS高校学位论文全文数据库中全文发布,并可按章程中规定一享受相关权益。同意论文提交后滞后;□半年;□年;□二年发布。论文作者签名!:匀^铅导师签名:^曰期:方

5、4年^月日曰期:乃年3月>%摘要随着智能视频监控技术的不断普及,迫切要求更加准确的人体运动目标区域进行步态识别。本文主要研巧视频中的背景存在复杂条件下(例如树叶扰动、光照变化等)的多特征融合的人体步态识别。通过实验发现,混合高斯背景建模对复杂背景(例如树叶扰动、光照变化等)的适应性差。考虑到K均值聚类图像分割对光照和树叶抖动都有很好的鲁俸性,且分割得到的图像出现空洞的情况较少、K。在深入分析海合高斯背景建模的像素级特性均值聚类图像分割的区域特性和微正则退火算法的高效全局寻优特性后,首先提出了基于微正则退

6、火的K均值聚类图像分割算法,使得分割得到的感兴趣区域更加精确和完整,然后在此基础上提出了基于图像分割改进的混合高斯背景建模。双向2DPCA在持征提取上,,对图像的行和列都进行了压缩减少了数据量和计。算量,所W选用其提取步态能量图的特征传统的关节角度特征是根据人体解剖学肢体身高比例得到下肢关节点,提取过于理想化,本文提出根据去除末梢点的骨架模型来得到关节角度的新方法,得到了更加准确的关节角度特征。离散Hu不变矩具有平。移、尺度、旋转不变性,可W很好的代表步态的静态信息同时,由于H种步态特征的属性和数字范围有很大差别

7、,所W对步态特征进行了规格化。考虑到计算的复杂度和特征的互补性,因此采用不带反馈的加权特征层融合方法,一即首先得到单特征的识别率,通过识别率得到各个特征所占的权重,再进行权重调节。在解决高维模式识别、非线性和小样本等问题上,支持向量机具有独特优势,因此选用其对特征进行分类识别。在实验分析过程中,使用支持向量机对单个特征和融合后的特征进行分类,得到各自的识别率,发现改进的多特征融合识别算法的识别率得到很大提升。并通过累计匹配分值进行对比分析,评价改进的多持征融合的步态识别算法的分类性能。关键词:节角度特征融合

8、步态识别;目标检测;关;离散化不变矩;多AbstractWith出egrowingopularityofintelligentvideosurveillance

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。