人体行走特征识别研究

发布时间：2022-10-29 17:26

　　传统身份识别方法存在图像分辨率要求高、识别精度低下等问题。人体行走特征把先天生理特征和后天行为特征相结合,具有个体差异性高、不易伪装隐藏等特点。因此,使用人体行走特征进行身份识别具有更高的识别率。针对传统边缘检测算子无法提取连续清晰轮廓边缘的问题,本文在对图像进行平滑处理、高斯背景建模、背景减除二值化以及形态学闭运算后,利用串行分割算法提取人体轮廓边缘。实验证明该方法提取的人体轮廓图像完整清晰,为人体行走特征提取奠定基础。为提取准确的人体行走特征参数,本文提取了人体轮廓质心关键点以及下肢运动特征。在步行周期内提取出轮廓质心高度、质心到关键点的距离向量、下肢关节角度以及脚摆角,为身份识别提供了可靠的特征参数。为了提高身份识别率,设计一种基于BP神经网络的身份识别模型,并进行特征分类识别实验。实验结果表明,基于轮廓质心关键点和基于下肢关节运动特征的方法识别率分别为88.00%、88.83%,特征融合后识别率达到95.30%,本文提取的人体行走特征能够准确有效地对不同身份进行分类识别。 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容与结构安排
第2章 特征识别关键技术
    2.1 数据库的介绍
    2.2 人体运动目标检测
        2.2.1 光流法
        2.2.2 帧间差法
        2.2.3 背景减除法
    2.3 人体行走特征提取方法
        2.3.1 基于模型的特征提取方法
        2.3.2 基于统计的特征提取方法
    2.4 特征分类识别算法
        2.4.1 支持向量机算法
        2.4.2 BP神经网络算法
        2.4.3 贝叶斯网络
        2.4.4 隐马尔可夫模型
        2.4.5 K近邻分类算法
    2.5 本章小结
第3章 图像预处理
    3.1 图像的平滑处理
    3.2 目标检测
        3.2.1 基于高斯模型的背景建模
        3.2.2 背景减除法
    3.3 人体区域的形态学处理
    3.4 人体轮廓边缘提取
    3.5 本章小结
第4章 人体质心关键点和下肢运动特征提取
    4.1 人体步行周期
        4.1.1 步行周期定义
        4.1.2 人体运动周期检测
    4.2 人体质心和关键点特征参数提取
        4.2.1 人体质心及关键点特征描述
        4.2.2 质心及质心至关键点距离向量的提取
    4.3 骨架的细化及获取
        4.3.1 人体骨骼化
        4.3.2 人体骨架的提取
    4.4 下肢运动分析及特征提取
        4.4.1 人体关节点分析
        4.4.2 下肢关节角度提取
        4.4.3 人体脚摆角特征提取
    4.5 本章小结
第5章 基于BP神经网络的识别及实验分析
    5.1 BP神经网络分类器的设计
        5.1.1 BP神经网络训练学习
        5.1.2 BP神经网络分类模型
    5.2 实验结果分析
        5.2.1 基于质心关键点特征的实验数据分析
        5.2.2 基于下肢运动特征的实验数据分析
        5.2.3 基于特征融合的实验数据分析
    5.3 本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢


【参考文献】：
期刊论文
[1]基于明亮区域和天空识别的图像去雾算法[J]. 于平平,徐建格,刘学孔,秦亚龙,常宇峰.  河北工业科技. 2019(03)
[2]基于中值滤波和小波变换的红外图像去噪方法[J]. 代少升,崔俊杰,张德洲,张绡绡.  半导体光电. 2017(02)
[3]结合Canny算法和Hough变换的轴类零件边缘提取[J]. 王会江.  机电工程技术. 2016(09)
[4]不受服饰携带物影响的步态识别方法[J]. 陈欣,杨天奇.  计算机工程与应用. 2016(05)
[5]一种改进的均值滤波算法[J]. 朱士虎,游春霞.  计算机应用与软件. 2013(12)
[6]数学形态学与Canny算法结合的禽蛋检测边缘提取[J]. 姜普泽田,张兴国,倪远征,王浩.  机电技术. 2013(02)
[7]基于人体动静态特征融合的步态识别算法研究[J]. 任胜兵,李兴超,陆赤彰,汪艺辉.  计算机应用与软件. 2012(12)
[8]动静态信息融合及动态贝叶斯网络的步态识别[J]. 杨旗,薛定宇.  中国图象图形学报. 2012(07)
[9]加权DTW距离的自动步态识别[J]. 张浩,刘志镜.  中国图象图形学报. 2010(05)
[10]基于PCA的实时人脸识别[J]. 张宁,刘立.  中国科技信息. 2009(05)

硕士论文
[1]基于多特征融合的人脸表情识别方法研究[D]. 兰兰.吉林大学 2018
[2]基于小波变换和中值滤波的图像去噪方法研究[D]. 胡娟.成都理工大学 2017
[3]基于高斯滤波和小波变换的脉搏信号特征的提取分析[D]. 刘淼.北京邮电大学 2017
[4]图像高斯噪声及椒盐噪声去噪算法研究[D]. 孙海英.复旦大学 2012
[5]运用下肢关节角度信息的步态识别[D]. 何卫华.重庆大学 2007



本文编号：3698116