基于視頻的步態(tài)識別.pdf

1、在智能環(huán)境研究中，人體運動分析與生物特征識別相結(jié)合目前已經(jīng)成為一個流行的研究方向。步態(tài)識別，非接觸式遠(yuǎn)距離的身份識別研究——基于運動視覺的第二代生物特征識別技術(shù)，是根據(jù)拍攝的行走視頻，通過人體走路的方式辨別人體身份。和其它生物特征相比，無需接觸和干擾，不具有侵犯性，其信息可以在相對較遠(yuǎn)的距離秘密地得到并進(jìn)行識別。本文從理論和實際應(yīng)用的角度，對以視頻為輸入的步態(tài)識別進(jìn)行了一些新的探索。本文的主要貢獻(xiàn)如下： 1)提出了幅值譜和反射

2、對稱作為關(guān)鍵幀特征的步態(tài)識別算法。分別利用了步態(tài)圖像在頻域上的特征和心理學(xué)研究中步態(tài)的對稱性對步態(tài)進(jìn)行分析。幅值譜反映了人體步態(tài)的頻域特征，而反射對稱隱含表示了行走時人體的胳膊和身體的擺動習(xí)慣。反射對稱性雖然不是唯一的特征，但實驗證明反射對稱是人體運動的特征之一，可以輔助進(jìn)行識別。其優(yōu)點是計算簡單、快速，特征直觀、有效。 2)提出了小波速度矩和小波反射對稱矩，以及用二者的結(jié)合來描述步態(tài)，進(jìn)行步態(tài)識別。小波矩將小波特性和矩特征結(jié)合

3、在一起，是一種新的矩特征，不僅具有平移、縮放和旋轉(zhuǎn)不變性，而且具有小波分析的局部性、較強的抗噪性和多分辨率特征，很好地避免了高階幾何矩的計算，同時大大加強了矩特征對圖像結(jié)構(gòu)精細(xì)特征的刻劃能力。在相似信號的識別中表現(xiàn)出很好的特性。速度描述了行走時的動態(tài)特征，反射對稱隱含了身體的傾斜和手腳的擺動。文中將速度特征和反射對稱特征分別和小波矩相結(jié)合，獲得小波速度矩和小波反射對稱矩。實驗結(jié)果表明，算法得到了較好的識別結(jié)果，并具有一定的遮擋處理和抗噪

4、性。 3)提出了分形維數(shù)小波分析描述子步態(tài)識別算法，并利用訓(xùn)練信號，得到優(yōu)化濾波器，提取特征，進(jìn)行識別，改進(jìn)識別結(jié)果。在小波矩計算中，只應(yīng)用了那些能夠顯式表達(dá)的小波函數(shù)，并沒有應(yīng)用Mallat算法，從而限制了小波矩的廣泛應(yīng)用。本文將計算機(jī)小波和Mallat算法融入了小波矩的計算，并通過小波分析的方法求解分形指數(shù)，它增加了小波矩的靈活性，保留了小波矩描述子的性質(zhì)，充分利用二維圖像序列不同尺度上小波分析系數(shù)的自相似性，同時減少了計算

5、復(fù)雜度。為得到針對不同數(shù)據(jù)的優(yōu)化濾波器，文中算法通過學(xué)習(xí)訓(xùn)練信號，得到廣義M進(jìn)制多尺度濾波器，使得重構(gòu)信號對原始信號達(dá)到最佳逼近。最后，通過最優(yōu)濾波器提取特征，進(jìn)行模式分析，在一定程度上提高了識別率。同時，對我們的算法和國內(nèi)外的主要算法在計算時間、等錯誤率、復(fù)雜數(shù)據(jù)的識別以及步態(tài)速度變化處理等方面做了比較。分形維數(shù)描述子具有最低的等錯誤率和最少的計算時間，而小波矩和分形維數(shù)描述子的結(jié)合得到了最高的識別率。 4)基于多攝像機(jī)視頻跟

6、蹤，提出了一種靜態(tài)特征和動態(tài)特征相結(jié)合的三維步態(tài)識別方法。在復(fù)雜場景中，人體在運動中，經(jīng)常存在視點變化、遮擋、地面變化等，而二維分析難以解決。本文在運動檢索和多攝像機(jī)視頻跟蹤的基礎(chǔ)上，提取人體肢段長度作為靜態(tài)特征，下肢關(guān)節(jié)相對于根節(jié)點的距離運動作為特征，利用線性時問歸一化來進(jìn)行序列匹配和識別。三維方法在更為復(fù)雜的3D空間描述人體模型和運動模型，可以解決視點、光照變化和遮擋問題，并且在二維分析難以解決的較為復(fù)雜的地面變化實驗中取得了較好的