基于步态的人体身份识别的中期报告.docxVIP

基于步态的人体身份识别的中期报告

1.研究背景

身份识别一直是计算机视觉和模式识别领域中的研究热点之一，但是传统的人脸、指纹、虹膜等生物特征识别技术在一定程度上受限于环境因素、采集难度和安全性问题。因此，基于步态的人体身份识别成为了一种备受关注的新技术。

步态作为人体运动的一种重要方式，在人体特征方面具有一定的不变性和时变性，可以提供一些独特的个体信息，尤其适用于需要远程或隐身识别的场景。步态识别主要包括步态数据采集、特征提取和分类识别三个部分，目前已经取得了不错的研究成果。

2.研究内容

本次研究旨在探究基于步态的人体身份识别技术，包括以下三个方面：

2.1步态数据采集

步态数据采集是步态识别的基础，需要采集到足够的步态数据。我们运用Kinect传感器采集数据，并通过MATLAB对数据进行预处理、分析和处理，得到有效的步态特征数据。

2.2步态特征提取

通过分析步态数据，我们针对步态识别的特征，提出了一种有效的特征提取方法。该方法将步态特征分为全局和局部两部分来提取，其中全局特征以人体轮廓为基础提取，局部特征则以膝盖、肘部和脚踝等局部部位的位置关系为基础提取。

2.3步态分类识别

在特征提取后，我们运用线性判别分析（LDA）算法进行步态分类和识别。该算法能够提高数据间的区分度，减少数据内部的差异，提高分类准确率和鲁棒性。

3.研究成果

在实验中，我们收集了20个受试者的步态数据，共计200个步态数据样本。针对收集到的数据，我们实现了步态数据采集、特征提取和分类识别三个模块，并进行了实验测试。

实验结果表明，我们的步态识别系统能够在较高的准确率下对不同个体进行身份识别，总识别准确率为95.5%。其中，全局特征和局部特征各有所贡献，联合使用后能够提高分类准确率。

4.下一步工作

基于以上研究成果，我们将进一步完善步态识别系统，包括优化数据采集和预处理、提高特征提取精度和算法鲁棒性等方面。同时，我们将进一步扩大数据规模对系统进行测试和优化，探索更加高效且实用的步态识别算法。