基于信息融合的步態(tài)識(shí)別系統(tǒng)研究.pdf

1、步態(tài)識(shí)別是依據(jù)人行走方式的不同對(duì)人的身份進(jìn)行識(shí)別的一種生物特征識(shí)別技術(shù)。步態(tài)識(shí)別主要是針對(duì)含有人的運(yùn)動(dòng)圖像序列進(jìn)行分析處理，它在虛擬現(xiàn)實(shí)、視覺監(jiān)控、感知接口中均有著廣泛的應(yīng)用前景。 步態(tài)識(shí)別主要由三部分構(gòu)成：步態(tài)序列圖像預(yù)處理、特征提取和分類判別。其中特征提取可以說是重中之重，是識(shí)別性能的決定性因素，也是本文的研究重點(diǎn)。步態(tài)圖像預(yù)處理就是從輸入序列圖像中檢測(cè)人的運(yùn)動(dòng)，主要包括步態(tài)序列圖像背景建模、前景檢測(cè)和形態(tài)學(xué)后處理等工作。步

2、態(tài)剪影的有效檢測(cè)對(duì)于特征提取、目標(biāo)分類等后期處理有非常重要的影響。 在特征提取階段，本文提出了兩種有效特征提取方法。第一是基于Radon變換的步態(tài)特征提取。根據(jù)人體運(yùn)動(dòng)特性，結(jié)合目標(biāo)動(dòng)態(tài)參數(shù)以及身體結(jié)構(gòu)參數(shù)，構(gòu)造一個(gè)周期的特征向量模板。采用主成分分析(PCA)提取特征主向量。第二是基于步態(tài)能量圖像(GEI)和行列方向結(jié)合的二維主成分分析(2D)2PCA的特征提取。GEI利用加權(quán)平均的簡(jiǎn)單步驟將一周期步態(tài)圖像合成為一幅圖像，這幅圖

3、保留了輪廓、頻率、相位等步態(tài)信息。(2D)2PCA直接基于圖像矩陣，結(jié)合行列兩個(gè)方向的特征主向量，抽取對(duì)步態(tài)識(shí)別貢獻(xiàn)最大的特征向量。 同一個(gè)人的步態(tài)在不同視角下存在著較大的差異，因此很有可能在某一個(gè)視角下被誤識(shí)的步態(tài)序列在其它視角下能被正確的區(qū)分出來。本文采用基于Rank的KNN的融合規(guī)則完成多視角在決策層上的信息融合。單一特征表征有其局限性，本文采用基于計(jì)分準(zhǔn)則實(shí)現(xiàn)多特征的信息融合。 實(shí)驗(yàn)采用包含了124個(gè)個(gè)體的CAS