论文部分内容阅读
步态识别是目前机器视觉领域中备受关注的研究方向,主要是通过对当前所监控视频中行人的走路姿态进行特征提取,最终完成身份识别任务。步态识别是目前唯一一个能够实现远距离非接触的生物特征识别技术,在智能监控等领域具有广阔的应用前景。本文为了显著提高步态识别的识别精度,同时降低计算复杂度,提出一种基于欧式范数的广义线性判别分析算法;在此基础上针对实际应用,进一步提出了基于流形学习的与视角无关的步态识别算法,以实现当视角不固定时也能正确识别不同人的身份。本文的主要工作如下:(1)首先介绍研究课题的背景及意义,并阐述目前步态识别方向的研究现状,指出其中存在的不足之处。然后详细介绍本文所涉及到的相关理论知识:步态识别的基本框架、步态轮廓提取、步态周期检测、步态特征提取、特征处理及模式分类等基本概念及过程,同时对目前已公开发表的步态数据库进行简单介绍。(2)针对目前的步态识别算法由于识别精度较低、计算代价较高使它们很难满足实际需求的问题,提出一种基于欧式范数的广义线性判别分析步态识别算法。首先计算步态轮廓边界点与质心的距离并以之作为步态特征;然后通过分析传统线性判别分析算法无法正确区分非边缘类等缺陷,为了降低边缘类对特征投影空间的影响,将各样本类在样本空间中的距离作为权重加入到类间离散度的定义中以得到特征投影空间矩阵,实现降维优化;最终通过“一对一”支持向量机完成分类验证。通过实验验证,该算法在保证高识别精度的同时,明显降低计算复杂度以及加快了处理速度。(3)在实际生活中,人们可以随意选择行走方向,针对现有的步态识别算法大多基于视角固定的场景使其无法得到应用,为此提出一种基于流形学习的与视角无关的步态识别算法。首先提取不同视角下的步态能量图作为特征;然后通过耦合不同视角下的类内信息,分离相同视角下的类间信息得到低维的特征投影空间;最后利用分类器来完成分类与识别。实验结果表明该算法能够完成基于步态的与视角无关的的识别任务,且计算复杂度较一般流形学习方法低。