论文部分内容阅读
针对夜间步态数据的噪声和缺足现象,进行算法优化后,提取人体关键点特征,最终用SVM进行分类。实验结果表明:相比于白天环境,夜间环境下的步态识别率略低,验证了步态识别技术在夜间的可行性。步骤是:首先,对夜间环境下步态图像中出现的噪声和缺损,利用形态学方法进行预处理。然后,选取人体头顶点、质心点、左足点、右足点作为特征点,提取点间距离比值关系的变化作为步态特征。针对夜间多是顶光的光线条件下,产生的缺足现象,设计算法进行检测并利用巴特沃斯滤波器对关键点横纵坐标进行滤波优化的方法进行特征优化处理。最后,利用