基于小波變換和支持向量機(jī)相結(jié)合的步態(tài)識(shí)別新方法研究.pdf

1、步態(tài)識(shí)別是生物特征識(shí)別技術(shù)中的一個(gè)新興領(lǐng)域。它旨在根據(jù)人們的走路姿勢(shì)實(shí)現(xiàn)對(duì)個(gè)人身份的識(shí)別或生理、病理及心理特征的檢測(cè)，具有廣闊應(yīng)用前景，成為近年來(lái)生物醫(yī)學(xué)信息檢測(cè)領(lǐng)域備受關(guān)注的前沿方向。步態(tài)識(shí)別主要針對(duì)含有人體步行運(yùn)動(dòng)圖像進(jìn)行分析，其關(guān)鍵是尋找合適的步態(tài)特征及分類方法，融合了計(jì)算機(jī)視覺(jué)、模式識(shí)別以及視頻/圖像序列處理等多種技術(shù)。 本研究主要采用如下處理流程：先提取目標(biāo)人體的輪廓信息并將其規(guī)格化，經(jīng)疊加處理后獲取步態(tài)特征圖，然后用

2、小波變換將步態(tài)特征圖分解，再依據(jù)骨架理論和圖像空間不變矩提取兩種人體模型的步態(tài)特征參數(shù)，輸入至支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行步態(tài)識(shí)別。分別使用中國(guó)科學(xué)院自動(dòng)化研究所(CASIA)和美國(guó)南佛羅里達(dá)大學(xué)(USF)的步態(tài)數(shù)據(jù)庫(kù)進(jìn)行了實(shí)驗(yàn)，分別取得了93.67％與83％-100％的良好識(shí)別率。 考慮到不同應(yīng)用環(huán)境，本論文還分析了紅外熱成像技術(shù)用于步態(tài)識(shí)別的可行性，并自建了天津大學(xué)紅外步態(tài)數(shù)據(jù)庫(kù)(T

3、ianjin University Infrared Gait Database，TIGD)。實(shí)驗(yàn)表明該技術(shù)識(shí)別率受人體攜帶外物影響較小，而僅受衣著影響較大，值得深入研究與應(yīng)用。作者還嘗試設(shè)計(jì)了一套實(shí)用的智能步態(tài)識(shí)別門(mén)禁系統(tǒng)實(shí)驗(yàn)平臺(tái)，具有步態(tài)圖像實(shí)時(shí)采集、定位、特征提取與自動(dòng)分類等功能，可實(shí)現(xiàn)對(duì)人體目標(biāo)的安全監(jiān)控。 本研究中的創(chuàng)新性主要體現(xiàn)在： i.首次將步態(tài)識(shí)別領(lǐng)域中的兩種人體模型進(jìn)行了有機(jī)結(jié)合，彌補(bǔ)了單一模型存在的缺

4、陷；并將骨架特征參數(shù)與不變矩矩參數(shù)同時(shí)運(yùn)用于步態(tài)識(shí)別中，減弱了背景、光照、衣著、速度等因素變化的影響，提高了算法的實(shí)用性。 ii.首次將小波變換與支持向量機(jī)相結(jié)合用于步態(tài)識(shí)別，提高了分類算法的精確性；并在步態(tài)特征參數(shù)提取中將小波變換與矩理論相結(jié)合，有效地提高了基于人體輪廓信息及區(qū)域特征的步態(tài)識(shí)別效果。 iii.首次采用紅外熱成像技術(shù)獲取步態(tài)圖像數(shù)據(jù)，借助于紅外成像可夜視、易定量的優(yōu)勢(shì)，提升了步態(tài)圖像序列采集與識(shí)別的技術(shù)層