步态识别-课程设计论

《步态识别-课程设计论》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、课程论文步态识别学号：12426009班级：通信122姓名：楚舒琦15目录摘要3一、背景介绍4二、相关研究4三、主题（算法）53.1基于线图模型的动态特征提取63.2基于整体的静态特征提取83.3识别8四、实验9五、结果讨论11六、总结12七、应用前景12八、技术难点及解决途径138.1技术难点148.2解决途径15九、参考文献1515摘要步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式

2、识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。关键词:生物特征识别;步态识别;特征提取;运动分割;动态时间规正15一、背景介绍步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的"风格"上都存在细微差异。对一个人来说，要伪装走路姿势非常困难

3、，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。二、相关研究信息融合：感知融合是人类感知外部世界的本能之一。人

4、类可以非常自然地运用这一能力把来自人体各个感知器官眼耳鼻四肢的信息图像声音气味触觉组合起来并使用先验知识去估计理解和识别周围的环境以及正在发生的事情。融合理论正是对人类这一本能的模仿旨在利用计算机技术对按时序获得的多源观测信息在一定准则下加以自动分析综合以完成所需的决策和估计任务而进行的信息处理过程。信息融合的基本原理就像人脑综合处理信息一样充分利用多源信息通过对这些多源的观测信息的合理支配和使用把多源信息在空间或时间上的冗余或互补依据某种准则来进行组合以获得被测对象的一致性解释或描述。按照信息抽象的个层次可将信息融合分为3级（像素级融合特征级融合和决策级融合）。l像素级融合是在采集到的原

5、始数据上进行的融合是原始测报未经预处理之前就进行的综合和分析是最低层次的融合。15l特征级融合属于中间层次它先对原始信息进行特征提取然后对特征信息进行关联处理和综合分析最终用于目标识别。一般来说提取的特征信息应该是这一目标的充分表示量并且去除了一定的冗余信息。其优点是实现了可观的信息压缩有利于实时的目标识别。特征级融合算法的一般流程如图1所示。图1特征级融合算法一般流程l决策级融合是一种高层次融合。先将多源传感信息对目标属性进行独立决策。再对各自得到的决策结果进行融合以获得整体一致的决策。其优点是具有很强的容错性和很好的开放性。并且处理时间较短)难点在于分类特征组合与表达的机理难以量化和统

6、一图2给出了决策级融合算法的一般流程。决策级融合必须从具体决策的实际需求出发。充分利用特征级融合所提取的测量对象的各类特征信息。采用适当的融合技术来实现。常用的方法包括k/n准则、Bayes准则和Dempster-Shafer理论等。图2决策级融合算法一般流程一、主题（算法）15信息融合在其他生物特征识别领域已经取得了很好的效果。也为步态识别性能的进一步提高提供了可能的方法。在步态识别领域中。常采用特征级融合和决策级融合两类方法。融合的特征包括不同类的步态特征(多特征融合)、步态特征和其他生物特征(多模态特征融合)以及不同角度摄像机拍摄的步态特征(多视角融合)等。在决策级融合中。通常假设各

7、个特征之间具备统计独立性。则各个分类器得到的匹配分值可用Bayes理论D-S证据理论、表决法、聚类分析、模板法、模糊集合论、神经网络、熵法等进行合并。通常使用的合并规则有加法规则、乘法规则、最大规则、最小规则、中值规则和多数投票规则等。为了进一步研究融合理论在步态识别中的应用。我们提出一种基于线图模型和静态特征的步态识别算法、静态特征主要用于反映人体目标的全貌。例如形体高度胖瘦等。线图模型主要用于反映人体目标的运动特点。