基于卷積神經(jīng)網(wǎng)絡(luò)與足底壓力信息的步態(tài)識別.pdf

1、步態(tài)作為一種生物特征，在身份識別領(lǐng)域中占有很重要的地位。個體的步態(tài)與指紋、臉相、虹膜等相比，具有難以模仿、可遠距離觀察等特點，且在數(shù)據(jù)采集時不完全依賴測試者的主動配合。所以，步態(tài)識別成為近年來諸多學(xué)者的研究課題。目前階段的步態(tài)識別主要有兩種方式:基于視頻圖像的視覺步態(tài)識別技術(shù)發(fā)展較早，也取得了一定的研究成果，但其識別效果易受到復(fù)雜背景、天氣光照變化、衣物遮擋等外界環(huán)境的干擾;基于足底壓力信息的觸覺步態(tài)識別在采集足底壓力數(shù)據(jù)時，不需要被采

2、集者刻意配合，采集設(shè)備也易隱藏而不被發(fā)現(xiàn)，具有很好的防偽裝性。現(xiàn)有的一些算法雖然取得了較好的識別效果，但在進行特征提取時計算量大、特征參數(shù)復(fù)雜難以調(diào)節(jié)。因此本文采用一種基于卷積神經(jīng)網(wǎng)絡(luò)與足底壓力信息的步態(tài)識別方法，主要工作和研究內(nèi)容如下:
　　1.在步態(tài)數(shù)據(jù)庫的建立方面，分析國內(nèi)外數(shù)據(jù)庫的基本情況和獲取方法，設(shè)計了本文數(shù)據(jù)的采集流程，并按照該流程分別采集了個體靜止站立和三種不同速度行走時的步態(tài)數(shù)據(jù)。對采集到的靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)進行

3、相關(guān)的預(yù)處理形成一個新的數(shù)據(jù)庫。
　　2.在特征提取方面，本文在分析傳統(tǒng)特征提取方法的基礎(chǔ)上，采用卷積神經(jīng)網(wǎng)絡(luò)模型的自學(xué)習(xí)優(yōu)勢來減少傳統(tǒng)特征提取算法中手動選取特征的計算量。通過綜合小塊區(qū)域的局部特征可得到原始圖像的卷積特征，并用實驗驗證這種卷積特征可以作為圖像的顯著信息來進行分類。分別用單層卷積神經(jīng)網(wǎng)絡(luò)模型和雙層卷積神經(jīng)網(wǎng)絡(luò)模型得到單層卷積特征表示和雙層卷積特征表示，比較這兩種特征驗證網(wǎng)絡(luò)深度對識別正確率的影響。
　　3.本