基于特征融合的快速步態(tài)識(shí)別算法研究.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，旨在根據(jù)人的走路姿態(tài)進(jìn)行身份鑒別，與指紋、人臉、掌紋、虹膜等傳統(tǒng)生物特征識(shí)別相比，具有非接觸、遠(yuǎn)距離、難隱藏、難偽裝等優(yōu)勢(shì)，在視頻監(jiān)控領(lǐng)域具有廣泛的應(yīng)用前景和商業(yè)研究?jī)r(jià)值，近年來(lái)受到人們的普遍關(guān)注，已經(jīng)成為生物特征識(shí)別領(lǐng)域研究的熱點(diǎn)。
　　步態(tài)識(shí)別一般包含運(yùn)動(dòng)目標(biāo)檢測(cè)、特征提取和分類識(shí)別三個(gè)部分。本文針對(duì)傳統(tǒng)步態(tài)識(shí)別研究中基于單一特征算法識(shí)別率低，多特征融合算法又過(guò)于復(fù)雜、時(shí)間花銷大的問(wèn)

2、題，進(jìn)行了深入研究。
　　在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，針對(duì)步態(tài)實(shí)際環(huán)境隨時(shí)間不斷變化問(wèn)題，提出一種將自適應(yīng)背景建模與最大類間方差法結(jié)合起來(lái)的實(shí)時(shí)背景減除法。采用自適應(yīng)背景建模法進(jìn)行實(shí)時(shí)背景更新建模并采用最大類間方差法解決傳統(tǒng)背景減除法中差分圖像進(jìn)行閾值分割時(shí)分割閾值難以確定的問(wèn)題。最后對(duì)所獲得的二值化圖像進(jìn)行一系列的膨脹、腐蝕、開運(yùn)算和閉運(yùn)算等形態(tài)學(xué)處理操作。實(shí)驗(yàn)結(jié)果表明，該算法能夠提取出完整的人體輪廓圖像，并且能夠有效抑制噪聲，最終達(dá)到

3、提高步態(tài)識(shí)別率的目的。
　　在步態(tài)特征提取方面，首先利用下肢肢體寬度特征對(duì)步態(tài)視頻序列進(jìn)行周期檢測(cè)，提取某個(gè)人的任意一個(gè)周期中的四幅關(guān)鍵幀圖像用作后期步態(tài)特征提取的圖像。該算法一方面可以減少算法處理的數(shù)據(jù)量，消除冗余數(shù)據(jù)，大大降低了步態(tài)識(shí)別時(shí)間。另一方面，可以消除步態(tài)周期的非嚴(yán)格性以及行走速度差異對(duì)識(shí)別造成的影響。然后對(duì)關(guān)鍵幀圖像進(jìn)行圖像標(biāo)準(zhǔn)化處理，消除因尺寸的差異會(huì)對(duì)后來(lái)的特征提取以及分類識(shí)別產(chǎn)生的影響。最后對(duì)經(jīng)標(biāo)準(zhǔn)化后的關(guān)鍵幀

4、圖像分別提取能夠反應(yīng)人體運(yùn)動(dòng)學(xué)信息的動(dòng)態(tài)下肢肢體角度特征以及能夠反應(yīng)人體全局特征的靜態(tài)統(tǒng)一 Hu矩特征，并分別計(jì)算各特征的識(shí)別權(quán)重，對(duì)兩個(gè)特征進(jìn)行加權(quán)融合，得到最終的融合特征。
　　在分類識(shí)別方面，針對(duì)本文提取的步態(tài)特征的特點(diǎn)，引入一種能夠適用于不同類別特征融合的最近鄰模糊分類器用作最終的分類器，并將計(jì)算得到的每個(gè)特征的權(quán)值附加到隸屬度矩陣中，最后根據(jù)隸屬度最大值進(jìn)行分類決策。最后在 CASIA步態(tài)數(shù)據(jù)庫(kù)上進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表