步態識別 概要

2022-09-01 22:06:32 字數 1478 閱讀 1760

步態識別是一種新興的生物特徵識別技術,旨在通過人們走路的姿態進行

身份所以有很大的發展前景,現在基本上有以下:

對於每個步態序列而言,一種改進的背景減除技術被使用來提取人的空間輪廓。這些

輪廓的邊緣,被逆時針方向展開為一系列相對於質心的距離模板。這些模板特徵通過使用主元統計分析方法來訓練,從而得出步態形狀的變化模式在特徵空間中的軌跡表達。識別時,採用了時空相關匹配方法和基於歸一化歐氏距離的最近鄰規則,並引入了相應於個人的體形等生理特徵的融合,以用於必要的步態分類校驗。

該演算法**於「從行走運動的時空模式中可學習人體的外觀模型」的觀點。對於每個序列而言,背景減除過程用來提取行人的運動輪廓,這些輪廓隨時間的姿態變化在二維空間中被對應描述為乙個序列的

複數配置(complex configuration)。利用procrustes形狀分析方法,從該序列配置中獲取主輪廓模型作為人體的靜態外觀特徵。實驗結果表明,該演算法獲得了令人鼓舞的識別效能。

該演算法**於「人體行走運動很大程度上依賴於輪廓隨著時間的形狀變化」的直觀想法。對於每個序列而言,背景減除與輪廓相關方法用於檢測和跟蹤行人的運動輪廓,這些時變的二維輪廓形狀被轉換為對應的一維距離訊號,同時通過特徵空間變換來提取低維步態特徵。基於時空相關或歸一化歐氏距離度量,以及標準的模式分類技術用於最終的識別。實驗結果表明,該演算法不僅獲得了令人滿意的識別效能,而且擁有相對較低的計算代價。

該演算法**於「行走運動的關節角度變化包含著豐富的個體識別資訊」的思想。首先,結合人體模型、運動模型和運動約束等先驗知識,利用condensation演算法進行行人的跟蹤。然後,從跟蹤結果中獲取人體主要關節的角度變化軌跡。這些軌跡經過結構和時間歸一化後,作為動態特徵而用於身份識別。

這是一種基於新的特徵提取方法的自動步態識別演算法,該演算法僅從腿部的運動進行身份識別。對於每個序列,用一種基於影象色度偏差的背景減除演算法來檢測運動物件。在經過後處理的二值影象序列中,利用邊界跟蹤演算法獲取物件邊界,在物件邊界影象上,區域性應用hough變換檢測大腿和小腿的直線,從而得到大腿和小腿的傾斜角。用最小二乘法將乙個週期內的傾斜角序列,擬合成5階多項式,把fourier級數展開後得到的相位與振幅的乘積,定義為低維步態特徵向量。在小樣本的資料庫上用fisher線性分類器驗證所研究演算法的效能,正確分類率為79.17%,在步態資料庫不很理想的情況下也獲得了較好的識別率。

基於廣義多尺度分析理論,針對不同的應用影象或訊號庫,得到最優小波分解, 並在人體步態識別中與二維小波矩結合進行應用。在三維物體的表示方面, 作為三維物體的一種無冗餘的描述和識別方法,提出了三維小波矩理論。與現存的方法相比,它不但具有平移、縮放和旋轉不變性,在徑向上還增加了多尺度分析的特性。可以根據不同的需要,提供多層次的特徵描述子,同時引進球面調和函式加速演算法和小波的mallat演算法後,使小波矩的計算得到了雙重加速。有人計畫搭建實用的三維物體檢索平台,將進一步完善該演算法。

此外,有人在基於"人體生物特徵不僅包含靜態外觀資訊,也包含行走運動的動態資訊"的思想,提出了一種判決級上融合人體靜態和動態特徵的身份識別方法。利用此方法在不同融合規則下的實驗結果表明,融合後的識別效能均優於使用任何單一模態下的識別效能。

步態識別介紹

步態識別是一種新興的生物特徵識別技術,旨在通過人們走路的姿態進行身份 所以有很大的發展前景,現在基本上有以下 對於每個步態序列而言,一種改進的背景減除技術被使用來提取人的空間輪廓。這些 輪廓的邊緣,被逆時針方向展開為一系列相對於質心的距離模板。這些模板特徵通過使用主元統計分析方法來訓練,從而得出步態...

步態識別介紹

二維步態識別演算法 對於每個步態序列而言,一種改進的背景減除技術被使用來提取人的空間輪廓。這些輪廓的邊緣,被逆時針方向展開為一系列相對於質心的距離模板。這些模板特徵通過使用主元統計分析方法來訓練,從而得出步態形狀的變化模式在特徵空間中的軌跡表達。識別時,採用了時空相關匹配方法和基於歸一化歐氏距離的最...

步態識別資料集整理

按照時間順序,來自 資料集提出時間 資料型別 個體數和序列總數 環境視角數 變化cmu mobo 2001 rgb 輪廓圖 25 600室內6 3個走路速度 攜帶乙個球 soton 2002 rgb 輪廓圖 115 2128 室內 室外 2在treadmill上走路 casia a 2003 rgb...