基于步態(tài)識別的交通線路監(jiān)控.pdf

1、鐵路交通在最近幾年里得到了快速發(fā)展，無論客運量與客運速度都有了顯著的提高。而隨著生物技術的不斷發(fā)展，鐵路交通監(jiān)控也慢慢由模擬監(jiān)控往智能監(jiān)控轉變。本文研究的重點就是步態(tài)識別這一生物特征在鐵路交通監(jiān)控中的應用。基于步態(tài)的身份識別技術是近年來出現(xiàn)的一種新型的生物識別技術，其目的是根據(jù)人走路的姿態(tài)來實現(xiàn)對個體的身份識別。這一技術在很長一段時間里一直是各個領域科學工作者的研究熱點。步態(tài)識別主要是對人體步行運動序列進行分析，其重點在于提取有效的步態(tài)

2、特征和選擇合適的分類方法。它融合了運動物體視頻序列檢測與處理，模式識別等多種技術。本文在對視頻圖像進行特定的預處理后提出了一種基于Fisher判別法的特征提取方法和改進的最近鄰分類器，充分放大了步態(tài)特征，大大提高了基于輪廓特征提取的步態(tài)識別成功率。
　　本文主要對人體步態(tài)的特征提取和識別進行了研究，取得了以下成果：
　　1)研究了基于步態(tài)識別的監(jiān)控系統(tǒng)所用到的基本方法與算法，包括運動目標檢測、圖像序列編碼、特征提取、模式分類

3、與識別等，最后根據(jù)識別的對象選擇合適的步態(tài)數(shù)據(jù)庫。
　　2)研究了步態(tài)識別中的預處理過程，處理流程如下：首先利用時間平均圖像法建立背景模型，然后使用背景差分法提取人體運動目標輪廓，再對人體區(qū)域進行形態(tài)學處理以及歸一化。
　　3)提出了一種基于Fisher判別法的步態(tài)特征提取方法。利用Fisher判別法加權步態(tài)特征矩陣使特征更加明顯，然后對加權后的特征矩陣進行分析，得到降維后的步態(tài)特征。
　　4)本文分類器用到了一種改進

4、的最近鄰分類器。常用分類器都忽視了同一類中各個訓練樣本之間的相似性，以及它們之間的相關性。可以通過判斷待識別的對象與各個類中樣本之間的相似關系來考慮分類。本文分類器的思想就是當把待識別的對象放在某個類中時，這個類在高維特征空間中無論從外形和內部結構來看都很規(guī)整。
　　與基于單幀的步態(tài)圖像檢測方法相比，結合預處理的Fisher判別法充分考慮了幀問的步態(tài)變化并放大了這種變化，進而提取出更加明顯的步態(tài)特征。該研究成果很好地解決了當前普遍