基于子空间集成学习的人体步态识别研究
发布时间：2021-05-20 05:26
步态识别作为计算机视觉和生物特征识别领域的一个热点研究课题,它旨在赋予计算机能够根据人体行走的姿势辨别出人物身份的能力。该研究具有重要的理论研究意义和巨大的实际应用价值,涉及了计算机视觉、模式识别、视频/图像处理、图形学和智能人机交互等多个学科,并且在远距离身份识别方面具有巨大的应用前景。例如,目前在银行、地铁、机场、火车站等安全敏感场所的视频监控系统中就急需一种准确的、鲁棒的远距离身份识别技术。经过二十多年的发展,已经提出了许多步态识别算法,其中最先进的算法在训练和测试环境相似的情况下已经取得令人满意的识别精度。但是在非理想条件下,由于受到多种多样的步态变化因子的影响,算法的识别性能将会出现大幅度的下降,很难满足实际应用要求。因此,步态识别技术还远未成熟,设计出真正准确、鲁棒的步态识别算法仍然是目前研究的主要任务。本文基于子空间集成学习理论,以开发设计出有效的步态识别算法问题展开了深入的研究。具体来说,本文的主要工作和创新如下:1.针对步态因受到多种多样变化因子的影响,导致识别算法性能下降的问题,提出了基于全矫正Boosting子空间集成学习的步态识别方法,将全矫正Boosting技...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：156 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景及意义
1.2 步态识别的研究现状
1.2.1 步态识别系统的基本框架
1.2.2 运动检测
1.2.3 步态周期检测
1.2.4 步态识别算法分析
1.2.5 公共步态数据库简介
1.2.6 难点分析
1.3 本文的主要研究内容
1.4 本文的内容组织
第2章 基于全矫正Boosting子空间集成学习的步态识别
2.1 引言
2.2 Boosting集成算法简介
2.2.1 线性规划表达式
2.2.2 基于列生成的单纯形法
2.3 基于全矫正Boosting的子空间集成学习
2.3.1 子空间集成学习框架
2.3.2 算法的快速实现
2.3.3 计算复杂度分析
2.4 三元索引集合的构建
2.4.1 基于LDA的三元索引集合
2.4.2 基于MFA的三元索引集合
2.4.3 在特定识别情况下的三元索引集合
2.5 在步态识别中的应用
2.6 实验结果和分析
2.6.1 实验设计
2.6.2 参数分析
2.6.3 识别性能的对比分析
2.7 本章小结
第3章 基于时-空域步态表征和核子空间集成学习的步态识别
3.1 引言
3.2 基于核的非线性子空间学习
3.2.1 线性子空间学习
3.2.2 基于核的扩展
3.3 时-空域的步态表征
3.3.1 步态高斯能量图像
3.3.2 步态熵图像
3.4 核子空间集成学习
3.5 在步态识别中的应用
3.6 实验结果与分析
3.6.1 时-空步态表征的识别性能评估
3.6.2 识别性能对比分析
3.7 本章小结
第4章 基于Gabor特征和张量子空间集成学习的步态识别
4.1 引言
4.2 相关的张量理论
4.2.1 多重线性代数的基本运算
4.2.2 多重线性投影
4.2.3 多重线性子空间学习
4.3 基于Gabor小波的步态表征
4.4 基于张量的子空间集成学习
4.5 基于EMP的子空间集成学习
4.6 实验结果与分析
4.6.1 参数分析
4.6.2 识别性能的稳定性分析
4.6.3 识别性能的对比分析
4.7 本章小结
第5章 基于典型相关分析和局部特征子空间集成学习的跨视角步态识别
5.1 引言
5.2 步态视角匹配
5.2.1 步态运动区域分割
5.2.2 基于稀疏表示的步态视角分类
5.3 典型相关分析
5.4 基于局部图块的子空间集成学习
5.5 跨视角的步态识别
5.6 实验结果和分析
5.6.1 实验设计
5.6.2 参数分析
5.6.3 单一视角下的识别性能对比分析
5.6.4 跨视角下的识别性能对比分析
5.7 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历
本文编号：3197174
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：156 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景及意义
1.2 步态识别的研究现状
1.2.1 步态识别系统的基本框架
1.2.2 运动检测
1.2.3 步态周期检测
1.2.4 步态识别算法分析
1.2.5 公共步态数据库简介
1.2.6 难点分析
1.3 本文的主要研究内容
1.4 本文的内容组织
第2章 基于全矫正Boosting子空间集成学习的步态识别
2.1 引言
2.2 Boosting集成算法简介
2.2.1 线性规划表达式
2.2.2 基于列生成的单纯形法
2.3 基于全矫正Boosting的子空间集成学习
2.3.1 子空间集成学习框架
2.3.2 算法的快速实现
2.3.3 计算复杂度分析
2.4 三元索引集合的构建
2.4.1 基于LDA的三元索引集合
2.4.2 基于MFA的三元索引集合
2.4.3 在特定识别情况下的三元索引集合
2.5 在步态识别中的应用
2.6 实验结果和分析
2.6.1 实验设计
2.6.2 参数分析
2.6.3 识别性能的对比分析
2.7 本章小结
第3章 基于时-空域步态表征和核子空间集成学习的步态识别
3.1 引言
3.2 基于核的非线性子空间学习
3.2.1 线性子空间学习
3.2.2 基于核的扩展
3.3 时-空域的步态表征
3.3.1 步态高斯能量图像
3.3.2 步态熵图像
3.4 核子空间集成学习
3.5 在步态识别中的应用
3.6 实验结果与分析
3.6.1 时-空步态表征的识别性能评估
3.6.2 识别性能对比分析
3.7 本章小结
第4章 基于Gabor特征和张量子空间集成学习的步态识别
4.1 引言
4.2 相关的张量理论
4.2.1 多重线性代数的基本运算
4.2.2 多重线性投影
4.2.3 多重线性子空间学习
4.3 基于Gabor小波的步态表征
4.4 基于张量的子空间集成学习
4.5 基于EMP的子空间集成学习
4.6 实验结果与分析
4.6.1 参数分析
4.6.2 识别性能的稳定性分析
4.6.3 识别性能的对比分析
4.7 本章小结
第5章 基于典型相关分析和局部特征子空间集成学习的跨视角步态识别
5.1 引言
5.2 步态视角匹配
5.2.1 步态运动区域分割
5.2.2 基于稀疏表示的步态视角分类
5.3 典型相关分析
5.4 基于局部图块的子空间集成学习
5.5 跨视角的步态识别
5.6 实验结果和分析
5.6.1 实验设计
5.6.2 参数分析
5.6.3 单一视角下的识别性能对比分析
5.6.4 跨视角下的识别性能对比分析
5.7 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历
本文编号：3197174
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3197174.html
