基于自适应背景模型的步态检测与识别.pdf

《基于自适应背景模型的步态检测与识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、·258·计算机应用研究2006年基于自适应背景模型的步态检测与识别王晓梅，王养利，牛平宏（西安电子科技大学计算机学院，陕西西安710071）摘要：提出了一种基于自适应背景模型的快速背景提取及步态检测的方法，并且利用傅里叶描绘子对步态轮廓图像进行描述，进行数据维数压缩，得到匹配模板，用最近邻法进行分类识别。该算法在NLPR步态数据库上取得了较高的识别率。关键词：生物特征识别；步态识别；傅里叶描述子；最近邻法中图法分类号：TP306文献标识码：A文章编号：1001-3695（2006）11-0258-03Ga

2、itDetectionandRecognitionBasedonAdaptiveBackgroundModeiWANGXiao-mei，WANGYang-ii，NIUPing-hong（CollegeofComputer，XidianUniuersity，Xi’anShanxi710071，China）Abstract：Thispaperproposesanewmethodoffastextractingthebackgroundanddetectingthegaitbasedonanadaptivebac

3、kgroundmodei，atthesametime，weadoptfourierdescriptortodescribegaitcontour，toreducedatadimension，andtocreatetempiates.Therecognitionisachievedbynearestaigorithm.Byutiiizingtheaigorithm，theexperimentsmadeonNLPRdatabasehaveachievedcomparativeiyhighcorrectionid

4、entificationratio.Keywords：Biometrics；GaitRecognition；FourierDescriptor；NearestAigorithm双腿的运动情况，用链接的钟摆模拟腿部的运动变化，而且从!引言［6］腿的摆动过程中提取腿部倾斜角度的频率变化特征；Lee用多个椭圆表示躯体的不同部分，将人体模型化，然后提取这些（1）生物特征识别。生物特征被广泛地应用于人体身份［7］椭圆的质心位置、离心率等参数用于识别；王亮提取运动人识别领域。有很多生物特征可以用来对人体身份进行识别，大

5、体的外轮廓，计算人体质心，然后计算运动过程中轮廓上每个致上可以分为两种：!生理特征。直接对人体进行测量得到的点与质心的欧氏距离作为人的步态特征。特征。到目前为止最为明显的最为成功的生理特征包括指纹、以上各种方法经过实验均能正确地实现背景提取、人体检脸部、虹膜、掌纹等。"动作特征。基于人体动作提取出来的测及步态特征提取，并在小样本数据库中获得了较高的识别特征。这些特征不能直接得到，最主要的特点是具有时间性。已经建立的测量包括击键模式和声音模式。步态识别属于人率。然而，个别环节的算法，难免出现缺点和不足。例如在

6、背体动作特征识别中典型的一种。景提取中，大都着重于静态背景，不能适应不同帧图像的背景（2）步态识别。生物特征识别中的步态识别主要是通过误差，无法实现背景图像的时刻更新；另外，在步态特征提取和人体走路的姿势来区分人。由于个体之间身体结构和运动行识别中，特征矩阵的维数较高，计算代价较大。为上的基本特性不同，步态运动为人的识别提供了独特的线在此提出了一种基于自适应背景下的快速人体检测和识索。步态作为一种生物特征，相比其他生物识别技术有几个优别的方法：通过差分及迭代的方法初始化背景图像；然后，通过点：非侵犯性、远距

7、离识别、对系统分辨率要求低、难以隐藏性。当前帧来实现背景的时刻更新；利用背景减除的方法检测运动利用步态作为一种生物识别特征在计算机视觉领域中还人体区域；之后，在检测出的二值化人体区域的基础上，用人体是一种新的研究领域。国内还没有展开广泛的研究，国外也只的宽度特征来分析步态运动，提取关键帧；对关键帧采用边缘是处于研究阶段，并没有成型的产品出现。随着对监控技术发检测的方法提取人体轮廓；由于傅里叶描述子的优点是能将二展的需求，越来越引起人们对步态识别研究的兴趣。维形状信息转换为一维模型，并将大部分的频率分量集中在

8、低在步态方面的研究中，近年来涌现出了大量可以借鉴的有频部分，从而具有降低维数和数据压缩的作用，因此，本文运用意义的工作。Yoo等人［3］应用了人躯体结构的段状统计特性，傅里叶描述子建立模板；最后用最近邻分类方法来进行模板匹进行躯体的拓扑分析，提取人体的运动外轮廓，进而简化为一配，实现人的身份识别。此方法容易理解和实现，运算量小，识种2D的StickFigure；Littie与Boyd［4］使用的步态特征称为The