步态特征提取与识别技术的研究.pdf

摘要 摘要 近年来，随着国土安全、社会安全等问题的日益重要，大规模视频监控技术 得到了飞速的发展。步态作为远距离情况下唯一可感知的生物特征引起了国际学 术界、企业界、国防等部门的高度重视。步态识别已经成为一个流行的研究方向。 本文对步态识别进行了一些有益的探索，在前人研究的基础上做了以下工作： ofCalifomia,San 1、在UCSD(UniversityDiego)数据库上直接应用背景减 除法进行目标检测时，会出现目标检测不完整、无法滤除运动阴影等问题。本文 Reach 根据该数据库的具体情况对RRC(RadialCorrelation)算法进行了修改， 实验结果表明该方法可以保证人体分割区域的完整性和运动阴影的成功滤除。 2、描述了利用Zemike矩进行步态特征提取的方法。本文对该矩的计算方 法进行了改进，能明显提高计算速度。应用简单分类器进行分类实验，实验效果 Match 从留一校验、累计匹配分值(CumulativeScore)曲线、接受者操作特性 不同训练方法下的识别率，识别率比对应文献的最大提升幅度达到10％，说明了 该特征提取方法的有效性。 3、描述了一种基于人体轮廓的特征提取方法，该方法无需将人体目标缩放 为同样大小，每帧图像只需用30个左右的特征值表示，特征维数少，该方法计 算简单，速度快，UCSD数据库42个步态序列的特征提取只需用3秒左右。本 文选择动态时间规整作为相似性度量，利用简单分类器进行了分类实验，识别率 比对应文献提高4％左右。本文在中国科学院CASIA数据库上的实验表明，该算 法适用于步念的双向行走。 4、支持向量机是较新的机器学习方法，能较好地解决小样本学习问题，本 文利用支持向量机对上述两种特征提取方法得到的数据进行了分类识别实验，给 出了选用的内积函数参数，UCSD数据库上的识别率能达到100％。 关键词：步态目标检测Zemike矩支持向量机 ABSTRACT ABSTRACT The of video has forward technologylarge-scaledigital monitoringsystem leapt inrecent withthe ofhomelandand yearsalong increasinglyimportance security social biometricsin security．Gait，the commanded onlyperceptible longdistance，has theattentionoftheinternational academic businesscirclesandthe community、the ofdefense．Gait has becomea researchdirection． department recognition popular Basedontheworks hascarried previously,thispaper on