耦合度量學習理論及其在步態(tài)識別中的應用研究.pdf

1、隨著計算機存儲和運算性能的大幅度提高，基于計算機視覺的生物特征認證以及識別技術發(fā)展迅速，人臉識別、指紋識別和虹膜識別等技術在可控場景下已經(jīng)相對成熟，并在商業(yè)、公共安全、醫(yī)學甚至娛樂等領域廣泛應用。但是實際場景中，被識別個體生物特征通常被要求在遠距離非接觸條件下通過低分辨率或者不同類型的傳感器捕獲，這對傳統(tǒng)的生物特征識別技術提出了極大的挑戰(zhàn)。
　　步態(tài)特征具有遠距離檢測、采集非接觸性、不易偽裝模仿、受環(huán)境影響小和占用內(nèi)存小等優(yōu)點，是

2、遠距離下最具有潛力的生物特征之一，在公共安全領域具有良好的應用前景和經(jīng)濟價值。但是，步態(tài)視角變化將會改變可觀測的人體步態(tài)特征，造成步態(tài)識別困難。為了解決視角變化引起的跨視角步態(tài)識別問題，本課題提出基于耦合度量學習理論的跨視角步態(tài)識別算法。具體而言，本論文主要貢獻如下:
　　概述了課題的研究背景以及意義，綜述了國內(nèi)外對跨視角步態(tài)識別和耦合度量學習兩個領域的研究現(xiàn)狀。
　　研究了向量空間內(nèi)基于向量流形對齊的耦合度量學習方法，主要

3、包括耦合距離度量學習、耦合邊距Fisher分析和聯(lián)立判別分析，并提出一種融合了判別信息和流形結構的耦合間距判別分析算法，該算法旨在削弱跨域問題的數(shù)據(jù)差異，增強跨域數(shù)據(jù)間的耦合關系。另外，本文首次將這些向量空間內(nèi)耦合度量學習算法應用于跨視角步態(tài)識別研究。
　　提出了矩陣空間內(nèi)基于矩陣對齊的耦合度量學習框架，在此基礎上本文提出了二維耦合距離度量學習、二維耦合邊距Fisher分析、二維耦合線性判別分析、二維聯(lián)立判別分析和二維耦合間距判別

4、分析五種基于矩陣空間的耦合度量學習算法，并使用中科院自動化所CASIA(B)步態(tài)庫的二維步態(tài)能量圖數(shù)據(jù)驗證了該框架下五種算法的有效性。
　　提出了張量空間內(nèi)基于張量對齊的耦合度量學習框架，此框架旨在解決高維異構數(shù)據(jù)識別問題，是向量和矩陣空間內(nèi)耦合度量學習方法在高維空間的表達形式?；诖丝蚣?，本文提出了基于張量空間的耦合距離度量學習、耦合邊距Fisher分析、耦合線性判別分析、聯(lián)立判別分析和耦合間距判別分析五種算法。另外，本文研究了