学位论文 > 优秀研究生学位论文题录展示
基于人体关节点的步态识别算法研究
作 者: 李翔
导 师: 赵辉
学 校: 山东大学
专 业: 信号与信息处理
关键词: 步态识别 关节点 代表性短序列 下肢关节角度 形状上下文
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 79次
引 用: 1次
阅 读: 论文下载
内容摘要
随着信息技术的飞速发展,生物识别技术已经渐渐深入到了人们的生活。它不但简洁快速,而且安全可靠。步态是指人的行走方式,与指纹识别、人脸识别、虹膜识别等技术相比,步态特征由于其远距离、非接触性、难于隐藏和伪装等优点,被认为是在远距离条件下进行身份识别的最有效的生物特征,近年来引起了计算机视觉领域研究者们的浓厚兴趣。步态识别技术的研究可以促进计算机视觉和模式识别理论的发展,具有重要的理论和实践意义;步态识别技术在安全要求较高的场所的视频监控、协助案件侦查等方面也存在着潜在的应用价值。本文的研究目的在于进一步提高步态识别算法的实时性和各项性能,引领步态识别技术一步步迈向实际应用化。步态识别是指根据人走路的姿势及动力学特征来识别人的身份,包括人体运动目标检测、特征提取和分类识别三个过程。本文在对各种步态识别算法进行了详细研究的基础上,对核心环节暨特征提取过程进行了主要研究,提出了相应的新的改进算法。本文的研究成果和创新点主要包括:1.现有的步态周期估计方法大都通过求宽高比信号的自相关函数的周期来获得,算法复杂度较高。考虑到实时处理的需求,本文提出了一种简单有效的周期估计方法,暨直接分析人体运动宽高比信号,并在此基础上,通过同相位求平均的方法得到半周期长的人体代表性短序列,作为供实验用的图像序列,代替关键帧法。本文把上百帧的原始数据以长度为十几帧的图像精简地表示,将半周期长的步态图像序列称为某一段步态图像序列的代表性短序列。本文提出的这种步态序列标准化的方法在几乎没有损失原有信息量的前提下,既达到了减少存储量的目的,同时也将步态数据实现了统一规范化。与关键帧法相比,具有明显的优势。2.提取了有效的步态特征。由于步态受到许多外在客观因素的影响,基于单个特征的识别率一直很低,因此本文提出了一种新的算法,将多类特征进行有机融合,以达到提高识别率的目的。经过研究发现,人体关节点能很好的表征人体的步态特征,对每个序列用下肢关节角度描述其动态特征,并用关节点的形状上下文描述其轮廓静态特征,较好的提取了人体的步态信息。最后,通过实验,对不同特征赋予相应权值,进行特征融合,并采用K近邻分类器,有效地提高了识别率。本文通过大量的实验验证了融合算法的识别性能和校验性能都优于任何特征单独作用时的效果。实验结果证明,引入这种新的特征融合算法可以带来算法识别性能上的收益。实验表明,本文提出的算法具有很好的识别效果。
|
全文目录
摘要 8-10 ABSTRACT 10-12 缩略语简表 12-13 第一章 绪论 13-18 1.1 课题研究的背景和意义 13-14 1.2 步态识别的研究历史与现状 14-15 1.3 本文的研究内容和章节安排 15-18 第二章 步态识别算法研究综述 18-26 2.1 步态识别系统的构成 18-19 2.2 步态识别的主要研究方法 19-21 2.2.1 基于模型的方法 19-20 2.2.2 非模型化方法 20-21 2.3 步态识别算法的性能评价 21-25 2.3.1 主要的步态数据库 21-23 2.3.2 主要评价指标 23-25 2.4 本章小结 25-26 第三章 步态识别预处理 26-35 3.1 图像提取 26-29 3.2 步态周期检测 29-31 3.3 步态序列的标准化 31-34 3.3.1 关键帧 31-32 3.3.2 人体代表性短序列 32-34 3.4 本章小结 34-35 第四章 步态特征提取 35-43 4.1 下肢关节角度特征 35-38 4.2 形状上下文描述子及其改进 38-40 4.3 特征融合 40-42 4.4 本章小结 42-43 第五章 分类识别及实验分析 43-52 5.1 分类器技术简介 43-44 5.2 K近邻分类器 44-46 5.3 实验结果及分析 46-51 5.3.1 步态数据库 46 5.3.2 实验系统框图 46-48 5.3.3 实验结果 48-51 5.4 本章小结 51-52 第六章 总结与展望 52-56 6.1 研究工作总结 52-53 6.2 后续工作及展望 53-56 参考文献 56-61 致谢 61-62 攻读学位期间发表的学术论文 62-63 学位论文评阅及答辩情况表 63
|
相似论文
- 基于人体步态远距离身份识别算法研究,TP391.41
- 步态识别中关键技术的研究与实现,TP391.41
- 结合头—肩三维模型的二维人体关节点跟踪方法研究,TP391.41
- 视频图像序列中的人体运动分析,TP391.41
- 基于图像变换的步态识别研究与实现,TP391.41
- 基于韦伯局部特征和形状上下文的图像识别与匹配算法,TP391.41
- 基于OpenCV的步态识别系统,TP391.41
- 扇门式闸机控制系统研究,U231.6
- 基于形状的商品图像检索,TP391.41
- 基于步态的身份识别技术研究,TP391.41
- 基于内容的商标图像检索技术研究,TP391.3
- 步态的目标提取和识别技术研究,TP391.41
- 基于图像序列和压力的步态识别研究,TP391.41
- 基于二维步态的身份识别,TP391.41
- 基于形状上下文的现场足迹比对算法研究,TP391.41
- 基于双源多特征的步态信息融合技术研究,TP391.41
- 基于子空间降维算法的生物特征识别应用研究,TP391.41
- 流形学习理论和算法及其在生物认证中的应用,TP181
- 车牌检测与识别的研究与实现,TP391.41
- 运用角度统计特征识别步态,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|