视频序列中基于生物特征的身份识别方法研究

发布时间：2017-06-11 02:10

  本文关键词：视频序列中基于生物特征的身份识别方法研究，由笔耕文化传播整理发布。

【摘要】：身份识别技术是模式识别领域的重要研究课题。生物特征识别由于能够只通过人体本身即可实现身份识别功能,避免了传统身份识别方法中存在的破解和窃取等问题,具有很高的准确性和安全性。视频序列中基于生物特征的身份识别主要研究的是人脸识别和步态识别,其采集方式比其余生物特征更为友好,应用范围更加广泛,已经成为了近几年的研究热点。本文对此展开了研究,其成果主要有:(1)针对静止-视频人脸识别中的训练集与测试集不匹配问题,提出了一种基于稀疏表示的改进静止-视频人脸识别算法。视频序列中的人脸由于检测结果或者表情变化存在对齐困难问题,为了实现人脸主要特征的对齐,采用梯度方差信息来定位人脸的主要轮廓。在摄像机静止条件下,人脸的运动会造成图像模糊,导致识别率显著下降。为了能够在运动模糊条件下鲁棒识别人脸,本文采用多尺度矩形滤波器来创建字典,添加多尺度模糊特征,使得稀疏表示的字典具有一定的抗运动模糊性。由于视频序列中包含很多的冗余信息,逐帧识别的计算量很大,本文提出了一种根据互相关系数聚类的关键帧提取方法。此方法能够自适应确定聚类类别数,不需要预先设定,提取到的关键帧能够代表视频序列中的所有信息,剔除了冗余信息,减少了识别时间。将本文提出的算法进行实验,结果表明该算法比神经网络、支持向量机等算法有明显的性能改善。(2)视频序列中的人脸图像存在光照、表情等变化,导致数据分布较为分散,类间散度小于类内散度。且传统分类器对于数据较为敏感,泛化能力较差。为了充分利用视频序列中的多帧图像和运动信息,同时综合考虑散度信息和分类器的泛化能力,本文提出了一种结合散度约束和多层级联分类器的视频人脸识别算法。首先根据聚类方法将一个视频序列中的多帧图像划分成为多个子类;然后通过最小距离法识别训练集中的其余样本,对识别错误的样本和与其相似的样本创建下层分类器;最后通过多层级联分类器识别待测试样本。该方法通过逐层创建分类器的方式细分数据分布,增大了类间散度与类内散度的比值,且对易错分样本进行了重点学习,提高了分类器的泛化能力。实验结果表明,本文的算法能够有效处理视频人脸识别问题。(3)为了提高步态识别的识别率,充分利用步态信息,本文提出了一种结合离散余弦变换和线性判别分析的步态识别方法。首先通过离散余弦变换提取其频率域信息,然后通过线性判别分析对数据进行特征映射,从而实现身份识别。该方法不仅能够有效区分步态特征中的高低频信息,并且增强了特征的判别性。在中科院自动化所的数据库中进行实验,结果表明,本文提出的特征提取方法优于局部二值模式、主成分分析等常用方法,能够获得更高的识别率。
【关键词】：人脸识别 步态识别 稀疏表示 聚类 多层级联分类器 离散余弦变换 线性判别分析
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-20
• 1.1 研究背景和意义11-12
• 1.2 生物特征识别研究现状12-18
• 1.3 论文的研究内容和结构安排18-20
• 第2章 基于稀疏表示的改进静止-视频人脸识别20-37
• 2.1 引言20-21
• 2.2 人脸识别方法概述21-25
• 2.2.1 基于稀疏表示的人脸识别算法21-22
• 2.2.2 基于支持向量机的人脸识别22-24
• 2.2.3 特征提取24-25
• 2.3 基于稀疏表示的改进静止-视频人脸识别25-31
• 2.3.1 基于梯度的人脸几何特征对齐25-27
• 2.3.2 抗运动模糊字典的创建27-29
• 2.3.3 基于图像聚类的视频序列关键帧提取29-31
• 2.4 整体算法流程31
• 2.5 实验结果与分析31-36
• 2.5.1 在实际拍摄数据库中的实验结果与分析31-34
• 2.5.2 在YouTube数据库中的实验结果与分析34-36
• 2.6 本章结论36-37
• 第3章 结合散度约束和多层级联分类器的视频人脸识别37-50
• 3.1 引言37
• 3.2 结合散度约束和多层级联分类器的视频人脸识别37-45
• 3.2.1 基于聚类分析的单层分类器设计38-41
• 3.2.2 视频人脸识别集成分类器设计41-45
• 3.3 整体算法流程45-46
• 3.4 实验结果与分析46-48
• 3.5 本章结论48-50
• 第4章 结合离散余弦变换和线性判别分析的步态识别50-59
• 4.1 引言50-51
• 4.2 步态能量图的提取51-53
• 4.2.1 图像预处理和步态周期的确定51-52
• 4.2.2 提取步态能量图52-53
• 4.3 结合离散余弦变换和线性判别分析的步态识别53-56
• 4.3.1 离散余弦变换53-55
• 4.3.2 线性判别分析55-56
• 4.4 步态识别整体算法流程56-57
• 4.5 实验结果与分析57-58
• 4.6 本章结论58-59
• 结论59-61
• 参考文献61-68
• 攻读学位期间发表论文与研究成果清单68-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 曹辉;曹礼刚;简兴祥;;基于神经网络融合的语音人脸身份识别方法[J];计算机工程;2007年11期

2 师黎;郭豹;李中健;赵云;;基于心电图的身份识别方法[J];计算机工程;2011年01期

3 武晓春;黄萱菁;吴立德;;基于语义分析的作者身份识别方法研究[J];中文信息学报;2006年06期

4 王全义;;各类基金交易系统用户身份识别方法的安全隐患[J];信息与电脑(理论版);2011年06期

5 李鸿飞;田康生;金宏斌;方维华;;一种交互合成的目标身份识别方法[J];弹箭与制导学报;2011年01期

6 雷航;童莉;平西建;;平面赤足迹特征分析与身份识别方法[J];计算机辅助设计与图形学学报;2008年05期

7 朱明;黄云;陈锋;;基于口令击键过程的用户身份识别方法研究[J];模式识别与人工智能;2003年02期

8 罗荣芳;林土胜;吴霆;;基于人体手指指节折痕的身份识别方法(英文)[J];光电工程;2007年06期

9 刘南杰;赵海涛;;一种网络空间中的数字基因身份识别方法[J];信息通信技术;2012年06期

10 李巍巍;成谢锋;;应用主成分分析法的ECG身份识别方法[J];苏州科技学院学报(自然科学版);2010年03期

中国重要会议论文全文数据库 前2条

1 毛承胜;胡斌;;普适环境下基于EEG的身份识别方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 李蕊;须俊滟;席淑华;;两种患者身份识别方法在急诊临时输液室中的应用效果[A];《中华急诊医学杂志》更名十周年、World Journal of Emergency Medicine创刊一周年庆典《中华急诊医学杂志》第十届组稿会、第三届急诊医学青年论坛论文汇编[C];2011年

中国重要报纸全文数据库 前1条

1 记者 刘伟　高新区(滨江)报道组 余小平 宋桔丽;我市“静脉身份证”技术获突破[N];杭州日报;2011年

中国博士学位论文全文数据库 前1条

1 段丁博;基于上下文的移动多媒体信息标注和管理及关键技术研究[D];北京邮电大学;2015年

中国硕士学位论文全文数据库 前8条

1 陈玉炎;一种基于PPG信号的身份识别技术[D];西安电子科技大学;2014年

2 曾亚军;视频序列中基于生物特征的身份识别方法研究[D];北京理工大学;2016年

3 郑晓娜;基于心电信号的身份识别方法研究[D];北京交通大学;2015年

4 张欢;一种融合的心电信号身份识别方法[D];西北大学;2015年

5 王娅蓉;基于心电信号频域特征的身份识别方法研究[D];天津理工大学;2015年

6 王博凯;基于人体特征信息融合的身份识别方法研究[D];天津理工大学;2013年

7 周志铭;基于步态及人脸特征的身份识别方法研究[D];上海交通大学;2010年

8 王国;基于裸体脚印的身份识别方法研究[D];兰州交通大学;2014年

  本文关键词：视频序列中基于生物特征的身份识别方法研究，由笔耕文化传播整理发布。

，

本文编号：440545