基于PCA和BP神经网络的步态识别系统研究-论文.pdf

《基于PCA和BP神经网络的步态识别系统研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于PCA和BP神经嘲络的步态识别系统研究电子质量(2014()3期)1二PCA和BP神经网络的步态识别系统研究CaitR(~ognitionBase

2、lfhUniveIsit),71Clfina．Shanxilaiyuan03(H)5I)摘要：步态i]b}lJ是生物特征识别技术I}1的一个新兴领域，它根据人们止路的个体特点进行身份识别，Jt-fi‘侵犯性、啦以隐藏、对系统分辨率要求低、远距离识别等优点，已成为基于视觉的人体运动分析的研究热点、该文捉f}J_r蒎于主成分分析(P(：A)的特征提取方法，有效地对高维步态轮廓特征进行降维，再利用Bl神经网络进行特征分类识别。实验结果表明，算法达列r较高的识别率。关键词：像预处理；PCA；特征提取；BP神经网络中图分类号：TP39l文献标识码：A

3、文章编号：1003—0107(2014)03—0083—03Abstract：Gaitrecognitionisanemergingfieldofbiometricidentificationtechnology，itdependsontheindi-vidualcharacteristicsofpeoplewalkforidentification．Withnonaggressive，hardtohide，onthesystemreso-lution，theadvantagesoflowrequirementforremoteidenti

4、ficationHasbeenbasedonthevisualanalysisofhumanmovementresearchhotspot．Thispaperpresentsbasedonprincipalcomponentanalysisfeatureex—tractionmethodEffectivedimensionalityreductionofhigh-dimensionalgaitcontourfeatureUsingaBPneu-ralnetworkforfeatureclassificationTheexperimental

5、resultsshowthat，thealgorithmachievesahigherrecognitionrateKeywords：ImagepreprOcessing：Principa1componentanalysjs：Feafureextraction；BPneuralnetworkCLCnumber：TP391Documentcode：AArticleID：l003—0l07(20l4)03—0083—030引言部分质一btlX,t位置、离心率等有效参数提取并转化成火键特征来进行鉴别liKale选择二值化轮廓的宽度欠随Ti"~1-

6、学技术的发展，人类经步入信息化社会时作为步态特征并从巾提取轮廓采样点、宽度欠{Il、步速代，刈能系统的求也越来越高，人脸、指纹、虹等特征，最后将动态时问规秘法川于特tieFqt~Bht1111股等传统物以圳技术都已住安伞领域获得r不同程度的J、Jtl，ff}这is．!t物特i,til接触式或近距离进行使用运动学方法进行步态识刖研究，建J，人体运动模并提fti3D运动人体参数，采』}{最邻近‘法进行分峪圳ifi步念以圳址通过辨别人体走路的个体特点来判)jIJ人物份的，!t-h‘几身体接触、【JJ‘远距离识别、难以类。Foster等使Hj掩码雨

7、数依次俊运动人体的轮廓序列的f)(域产一个时变价号，将此信作为步念，7-7E；lJ伪装-jJ喊、llJ‘通过辨圳率较低的『殳1像序列进行检测和于"⋯HIJ．、Sundaresan等将人住步行巾的每状念彳亍做·}；刖等独特的优点，此逐渐受到人ff』的霞视，成为‘个个状态，使J}】背景减除的二值化I冬1像作为特l，人钟：机视觉领域卡¨恢}一[1I,IIJIf1的研究热点l_I挝，建隐1J尔I¨『火模，然进i训练币¨识)j『jl{{1·l—近求步怠i．JtYil取得r-系列的研究成果ct卜-gouris等使J{拚j度特征来进i步念分析jl圳，将少

8、念ilitll1)抛⋯r坤}iJIrM动的模，称为钟摆模序列r}1的缚个行人步态轮I的列轮螭；lf1心fI"Jh：li离)十I!Jc的、址通过卜JJ史段水j乖冉化移和倾转换成低维