智能視頻監(jiān)控系統(tǒng)中若干生物特征識(shí)別研究.pdf

1、智能視頻監(jiān)控系統(tǒng)近幾年在計(jì)算機(jī)視覺領(lǐng)域發(fā)展迅速,并成為該領(lǐng)域的重要研究方向。生物特征識(shí)別技術(shù)是指利用人體的固有特征進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù),廣泛應(yīng)用于銀行、司法等身份鑒別領(lǐng)域。將人體生物特征識(shí)別技術(shù)應(yīng)用到智能視頻監(jiān)控系統(tǒng)中,構(gòu)建自動(dòng)身份識(shí)別及處理系統(tǒng)。應(yīng)用于智能視頻監(jiān)控中的生物特征識(shí)別受光照、環(huán)境噪聲以及人體運(yùn)動(dòng)等因素的干擾,實(shí)現(xiàn)起來較基于靜態(tài)圖片的生物特征識(shí)別困難。因此,分析、研究智能視頻監(jiān)控系統(tǒng)中對(duì)生物特征識(shí)別造成干擾的因素具有很大

2、的應(yīng)用價(jià)值。研究智能視頻監(jiān)控系統(tǒng)中的生物特征識(shí)別方法是本文的研究重點(diǎn)。
　　本文研究目的是通過對(duì)智能視頻監(jiān)控系統(tǒng)中生物特征識(shí)別算法進(jìn)行研究,提升系統(tǒng)中人體身份識(shí)別的準(zhǔn)確率,為智能視頻監(jiān)控系統(tǒng)的真正應(yīng)用做出貢獻(xiàn)。
　　在監(jiān)控視頻中,生物特征識(shí)別具有非接觸性和非侵犯性的特點(diǎn)。其中,能夠用于身份鑒別的特征有人臉特征、步態(tài)特征以及體形體態(tài)特征。本文分別對(duì)這三種特征進(jìn)行分析研究,并提出相應(yīng)的特征識(shí)別算法。本文的主要工作有:
　　

3、1、研究人臉識(shí)別技術(shù),首先對(duì)智能視頻監(jiān)控中獲取的人臉圖像處理方法進(jìn)行分析,通過預(yù)處理得到利于識(shí)別的人臉圖像。然后通過對(duì)傳統(tǒng)的LBP算法進(jìn)行研究和改進(jìn),提出了改進(jìn)后的LBP人臉識(shí)別算法。該方法通過計(jì)算區(qū)域內(nèi)的均值和方差,求得該鄰域的四值模式。通過實(shí)驗(yàn)驗(yàn)證,該算法的識(shí)別率較傳統(tǒng)LBP算法有所提高、魯棒特性好。最后將改進(jìn)的LBP算子應(yīng)用于人臉識(shí)別系統(tǒng)。
　　2、研究步態(tài)特征提取方法,提出基于Kinect的步態(tài)特征提取方法。運(yùn)用Kinec

4、t能夠提取三種步態(tài)特征,分別是:雙腿關(guān)節(jié)點(diǎn)角度信息、行走時(shí)的步幅特征以及三維人體輪廓描述子。介紹了Kinect的深度獲取以及骨骼獲取原理,并通過Kinect的坐標(biāo)空間轉(zhuǎn)換得到三維人體輪廓。最后采用最近鄰分類器和k-近鄰分類器進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)表明文中提出的基于Kinect的步態(tài)識(shí)別方法有效,識(shí)別率達(dá)到84％。
　　3、嘗試性的提出體態(tài)識(shí)別方法,分析體態(tài)特征用于身份鑒別的理論依據(jù)以及限制條件。定義人體體態(tài)特征,然后使用Kinect的骨骼