基于矩特征和BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別技術(shù)研究.pdf

1、隨著信息社會(huì)對(duì)安全的要求不斷提高，利用生物特征進(jìn)行快速準(zhǔn)確的身份識(shí)別成了當(dāng)今的主流。與傳統(tǒng)的身份鑒定手段相比，生物特征識(shí)別具有無(wú)可比擬的優(yōu)勢(shì)，特別是步態(tài)識(shí)別技術(shù)，由于其對(duì)系統(tǒng)分辨率要求低、遠(yuǎn)距離識(shí)別、非侵犯性和難以隱藏等特點(diǎn)而倍受計(jì)算機(jī)視覺(jué)研究者的關(guān)注，從而成為當(dāng)前的一個(gè)研究熱點(diǎn)。為此，本文從步態(tài)檢測(cè)、步態(tài)表征、特征分析、步態(tài)分類四個(gè)方面對(duì)步態(tài)識(shí)別技術(shù)展開(kāi)了研究。其中步態(tài)表征和特征分析可以說(shuō)是重中之重，是識(shí)別性能的決定性因素，也是本文的

2、研究重點(diǎn)。 (1)本文選用簡(jiǎn)單快速的背景減除方法進(jìn)行步態(tài)檢測(cè)，通過(guò)對(duì)輪廓圖像進(jìn)行形態(tài)學(xué)后處理來(lái)去除小的孔洞和噪聲，然后對(duì)圖像進(jìn)行歸一化處理，并利用輪廓跟蹤算法準(zhǔn)確地提取了人體步態(tài)輪廓。 (2)從圖像的矩特征角度，探討了步態(tài)的表征，提出了一種基于圖像矩特征的步態(tài)表征方法。本文提取圖像的Hu矩和Zernike矩作為步態(tài)特征，為了增加算法的實(shí)用性并減小算法的復(fù)雜度，通過(guò)對(duì)Hu矩和Zernike矩的實(shí)驗(yàn)分析比較，最后采用離散度和

3、順序前進(jìn)法相結(jié)合的方法選用最能表征步態(tài)特征的Zernike矩中的6個(gè)矩作為本文進(jìn)行步態(tài)識(shí)別的矩特征。 (3)在步態(tài)識(shí)別階段，本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別算法。針對(duì)步態(tài)識(shí)別領(lǐng)域的特殊性，本文在理論分析和大量實(shí)驗(yàn)的基礎(chǔ)上設(shè)計(jì)提出了一個(gè)較，為有效的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，采用本文選用的步態(tài)矩特征對(duì)中科院CASIA步態(tài)圖像數(shù)據(jù)庫(kù)進(jìn)行訓(xùn)練、識(shí)別。實(shí)驗(yàn)表明，本文提出的基于矩特征和BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別方法能對(duì)步態(tài)圖像進(jìn)行較好地檢測(cè)