适于重要场所个人身份的步态识别技术研究

适于重要场所个人身份的步态识别技术研究

ID:33673016

大小:4.30 MB

页数:97页

时间:2019-02-28

适于重要场所个人身份的步态识别技术研究_第1页
适于重要场所个人身份的步态识别技术研究_第2页
适于重要场所个人身份的步态识别技术研究_第3页
适于重要场所个人身份的步态识别技术研究_第4页
适于重要场所个人身份的步态识别技术研究_第5页
资源描述:

《适于重要场所个人身份的步态识别技术研究》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、哈尔滨丁程大学硕士学位论文摘要在政府部门、军队的涉密场所等重要场所,必须严格掌握人员进出的情况,大多数时间还需要识别远处活动人员的身份。此时,人脸、虹膜、指纹等生物特征,以及证件、密码等信息特征不再适用,而步态作为有效的生物特征能够用低分辨率设备从远距离进行身份识别具有非接触、不唐突的明显优势,因此,步态识别必将成为重要场所进行安全监控的重要技术手段。适于重要场所个人身份的步态识别技术研究内容包括步态数据获取、步态检测、步态特征提取和分类识别四大部分。其中步态特征提取是本文研究的重点。步态数据获取部分我们摒弃采用现有的数据库,在实验室模拟视频监控场景,建立了20个人的步态数据库。将获取的步态

2、视频进行了图像预处理,主要包括步态视频的帧提取、目标检测、形态学处理和去除冗余帧等工作。由于俯角的步态图像周期分割效果欠佳,本文选用步态能量图像(GEI)表征步态特征,通过步态能量图像进行个体的识别。步态能量图像把人类的运动序列用单帧图像来表征,同时保留了时问信息,轮廓信息,频率信息以及相位信息等。在特征提取部分,本文研究了两大类特征提取方法。第一类是基于步态能量图像向量的步态特征提取方法。主成分分析(PCA)、核主成分分析(KPCA)、线性判别分析(LDA)和核线性判别分析(KLDA)是四种基于一维向量的特征降维方法,步态能量图像分别与这四种特征提取方法结合进行步态特征提取。第二类是基于步

3、态能量图像矩阵的步念特征提取。二维主成分分析(2DPCA)和二维线性判别分析(2DLDA)是两种基于二维矩阵分析特征提取方法,步态能量图像分别与二维主成分分析(2DPCA)、行列方向结合的二维主成分分析((2D)2PCA)、加权二维主成分分析(W2DPCA)、核二维主成分分析(K2DPCA)、二维线性判别分析(2DLDA)、双向二维线性判别分析(B2DLDA)、2DPCA+2DLDA结合、K2DPCA+2DLDA结合方法进行步态特征提取,抽取对步态识别贡献最大的特征向量。在我们自己建立的包含了20个个体的步态数据库中进行了单一视角和混合视角的实验,从方法的识别性能和匹配速度上测试评估。实验结

4、果表明,哈尔滨丁程大学硕士学位论文本文提出的方法对重要场所的视频监控系统实现个人的身份识别提供了可能,特别是基于步态能量图像矩阵的步态特征提取方法,在识别率和匹配速度上都有很好的效果,初步解决了智能监控系统对身份识别的准确性和实时性的要求。关键词:步态识别;步念能量图像;核主成分分析;二维主成分分析;二维线性判别分析哈尔滨工程大学硕士学位论文ABSTRACTPersons’passinandoutshouldbemasteredingovernmentdepartments,armyforcesandothersafety.criticalplaces,anditrequirestoiden

5、tifythemovinghuman-beingatadistanceinmostofthecases.Atthattime,otherbiologicalcharacteristics,suchasface,iris,fingerprints,credentialsandpasswordsarenolongeravailable.However,gaitrecognitionCallbecarriedouteffectivelywithlow-resolutiondevices,whichisanon.contact,non—offensivebiometricsfromadistance

6、。Therefore,gaitrecognitionissuchailimportanttechnology,thatCallbeusedinsafetyvideosurveillance.Gaitbasedhumanidentifi.cationresearchforsafety—criticalenvironmentspayattentiontofourmajorsections,namely,gaitvideosequencesacquisition,gaitdetection,gaitfeatureextractionandidentification,andgaitfeaturee

7、xtractionisakeypartinthispaper。Ingaitvideosequencesacquisitionsection,wecapturegaitvideosinthelaboratoryscenes,insteadofexiStingdatabases.Capturing20individuals’gaitsatacertaindipangle,thecameraisfixedonahi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。