步态识别是计算机视觉研究领域的重要课题之一,因其具有远距离身份识别的特点,成为近年来计算机视觉领域中备受关注的前沿方向。本文主要对人体运动的跟踪、运动人体轮廓提取、特征选取与识别进行了研究,主要工作体现在以下几个方面:(1)研究了基于自适应CamShift和卡尔曼滤波的跟踪算法。通过卡尔曼滤波预测目标下一时刻粗略位置,然后利用CamShift算法计算目标精确位置;并以此作为卡尔曼滤波的修正值,用于下一帧的位置预测。结合自适应CamShift与卡尔曼滤波的跟踪算法可有效解决复杂背景下的目标跟踪问题,提高了跟踪效率。(2)提出基于多尺度描述的平均轮廓模型方法。计算训练序列中每类人的平均模型,利用多尺度描述方法对所有平均模型进行相似性分段匹配,获取Snake初始轮廓模型。该方法可避免传统Snake初始轮廓模型曲线离目标轮廓较远而导致的收敛问题,加快了轮廓收敛速度,提高了轮廓分割结果的准确性。(3)提出一种结合统计和模型的步态特征提取方法。采用人体质心与θ方向侧影轮廓间的平均距离作为统计方法特征;利用人体肢体各部分与头部质心间的夹角作为选取的模型方法特征。该方法具有计算量较小、实时性强的特点,并能有效地解决遮挡问题。(4)提出一种基于向量近似法和k近邻的步态识别算法。通过向量近似算法搜索出k个与目标步态序列相近的训练序列;利用K近邻算法求得目标序列的类别。利用向量近似只需访问极少部分原始向量即可完成搜索过程,有效解决了“维数灾难”问题。实验结果表明,本文的跟踪算法实时性强,识别率高。