基于卷积神经网络的步态识别算法研究
发布时间：2021-12-16 10:44
现今,生物特征识别技术在个人身份鉴定系统中扮演着重要的角色,但是也存在许多问题。例如,人脸识别易受光照、化妆、年龄和距离等因素的影响,指纹很容易被伪造。步态识别是通过人的走路姿态对身份进行鉴定,步态特征具有远距离性、非接触性和不易伪装性等特点,可以克服人脸和指纹特征的不足。但是,步态识别易受衣着、背包和视角等协变量的影响。针对降低协变量对步态识别的影响,本文对步态识别算法展开深入研究,主要内容如下:1、步态图像预处理。分析帧间差分法、背景减除法和光流法等算法的优缺点,选取背景减除法从步态视频图像序列中提取步态轮廓图并进行图像预处理。采用步态轮廓图的宽度与高度之比的变化来检测步态周期,从而计算出步态能量图。2、选取最优网络模型。针对步态数据集CASIA-B选取LeNet网络模型进行分析参数初始化方式、激活函数和卷积核大小对网络模型性能的影响。通过实验证明,当选取标准正态分布为参数初始化方式,ReLU为激活函数,卷积核大小为5×5时,使得网络模型的性能更好。在相同的参数初始化和激活函数条件下,LeNet相比AlexNet的收敛速度更快而且识别率高。对于残差网络模型不仅可以加快网络收敛速度,...
【文章来源】：西安科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
激活函数曲线
的子集。2.2 开闭运算开运算实际上是首先腐蚀然后膨胀的过程，其定义如式(3.10)所示。闭运算是首然后腐蚀的过程。闭运算可以消除微小的黑洞，并填补轮廓中的断裂，其定义如式示： ( ) ( π ( ) (中， 表示原图像， 表示结构元素， 表示开运算， π 表示闭运算。因为通过背景减除法从步态视频图像序列中获取的步态轮廓图，存在噪声、小影响，然而，上述讲的四种形态学运算可以去噪和消除小空洞，所以对步态轮廓膨胀、腐蚀和开闭运算。如图 3.2 所示为步态轮廓图像进行形态学处理后的图像(a) 原图像 (b) 膨胀后的图像 (c) 腐蚀后的图像
保持不动的情况下所采集的，因此图像中人体步态轮廓图的尺寸大小不同且不在图像的正中央。在步态特征提取时，不仅要求步态轮廓图的尺寸大小一致，而且目标也在同一位置，因此，对步态轮廓图进行归一化处理使得不同运动目标在位置和尺寸大小一致。如图 3.3 所示，图(a)为原始人体步态轮廓图，图(b)为人体步态轮廓最小外接矩形框，图(c)为归一化后的步态轮廓图。(a) 原图像(b) 人体步态轮廓最小外接矩形框
【参考文献】：
期刊论文
[1]多任务及Resnet网络在人脸多属性识别中的应用[J]. 徐培超,陈雯柏,陈祥凤,韩琥. 小型微型计算机系统. 2018(12)
[2]基于块模型的混合高斯运动目标检测方法[J]. 赵泽壹,路纲. 计算机技术与发展. 2019(01)
[3]基于多特征融合的人体步态识别算法[J]. 袁浩. 信息与电脑(理论版). 2018(17)
[4]一种改进的基于幂线性单元的激活函数[J]. 骆训浩,李培华. 计算机应用研究. 2019(10)
[5]基于改进残差网络的人脸识别算法[J]. 曹川,张红英. 传感器与微系统. 2018(08)
[6]四帧间差分与光流法结合的目标检测及追踪[J]. 刘鑫,金晅宏. 光电工程. 2018(08)
[7]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[8]步态识别的深度学习:综述[J]. 何逸炜,张军平. 模式识别与人工智能. 2018(05)
[9]一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 何正义,曾宪华,郭姜. 山东大学学报(工学版). 2018(03)
[10]基于数学形态学的差分图像目标检测算法研究[J]. 秦雨萍,张双,张萍,尹福成. 舰船电子工程. 2018(04)
博士论文
[1]基于特征子空间的跨视角步态识别研究[D]. 徐万江.苏州大学 2017
硕士论文
[1]基于步态的目标识别技术的研究[D]. 陈峰.北京交通大学 2018
[2]基于卷积神经网络的人脸表情识别算法研究[D]. 杨欣利.兰州理工大学 2018
[3]基于动静态特征融合的多视角步态识别方法研究[D]. 魏凡.西安科技大学 2018
[4]基于深度学习的人体步态识别算法研究[D]. 余涛.电子科技大学 2018
[5]基于三维卷积神经网络步态识别方法的研究[D]. 李影.北京交通大学 2018
[6]基于序列轮廓特征的步态识别研究[D]. 孙卓.西安科技大学 2017
[7]基于步态能量图的身份识别算法研究[D]. 贾令尧.长春工业大学 2017
[8]基于卷积神经网络的身份识别技术研究与应用[D]. 王洋.大连理工大学 2017
[9]基于深度学习的步态识别关键技术研究[D]. 张诚.北京邮电大学 2016
本文编号：3537998
【文章来源】：西安科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
激活函数曲线
的子集。2.2 开闭运算开运算实际上是首先腐蚀然后膨胀的过程，其定义如式(3.10)所示。闭运算是首然后腐蚀的过程。闭运算可以消除微小的黑洞，并填补轮廓中的断裂，其定义如式示： ( ) ( π ( ) (中， 表示原图像， 表示结构元素， 表示开运算， π 表示闭运算。因为通过背景减除法从步态视频图像序列中获取的步态轮廓图，存在噪声、小影响，然而，上述讲的四种形态学运算可以去噪和消除小空洞，所以对步态轮廓膨胀、腐蚀和开闭运算。如图 3.2 所示为步态轮廓图像进行形态学处理后的图像(a) 原图像 (b) 膨胀后的图像 (c) 腐蚀后的图像
保持不动的情况下所采集的，因此图像中人体步态轮廓图的尺寸大小不同且不在图像的正中央。在步态特征提取时，不仅要求步态轮廓图的尺寸大小一致，而且目标也在同一位置，因此，对步态轮廓图进行归一化处理使得不同运动目标在位置和尺寸大小一致。如图 3.3 所示，图(a)为原始人体步态轮廓图，图(b)为人体步态轮廓最小外接矩形框，图(c)为归一化后的步态轮廓图。(a) 原图像(b) 人体步态轮廓最小外接矩形框
【参考文献】：
期刊论文
[1]多任务及Resnet网络在人脸多属性识别中的应用[J]. 徐培超,陈雯柏,陈祥凤,韩琥. 小型微型计算机系统. 2018(12)
[2]基于块模型的混合高斯运动目标检测方法[J]. 赵泽壹,路纲. 计算机技术与发展. 2019(01)
[3]基于多特征融合的人体步态识别算法[J]. 袁浩. 信息与电脑(理论版). 2018(17)
[4]一种改进的基于幂线性单元的激活函数[J]. 骆训浩,李培华. 计算机应用研究. 2019(10)
[5]基于改进残差网络的人脸识别算法[J]. 曹川,张红英. 传感器与微系统. 2018(08)
[6]四帧间差分与光流法结合的目标检测及追踪[J]. 刘鑫,金晅宏. 光电工程. 2018(08)
[7]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[8]步态识别的深度学习:综述[J]. 何逸炜,张军平. 模式识别与人工智能. 2018(05)
[9]一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 何正义,曾宪华,郭姜. 山东大学学报(工学版). 2018(03)
[10]基于数学形态学的差分图像目标检测算法研究[J]. 秦雨萍,张双,张萍,尹福成. 舰船电子工程. 2018(04)
博士论文
[1]基于特征子空间的跨视角步态识别研究[D]. 徐万江.苏州大学 2017
硕士论文
[1]基于步态的目标识别技术的研究[D]. 陈峰.北京交通大学 2018
[2]基于卷积神经网络的人脸表情识别算法研究[D]. 杨欣利.兰州理工大学 2018
[3]基于动静态特征融合的多视角步态识别方法研究[D]. 魏凡.西安科技大学 2018
[4]基于深度学习的人体步态识别算法研究[D]. 余涛.电子科技大学 2018
[5]基于三维卷积神经网络步态识别方法的研究[D]. 李影.北京交通大学 2018
[6]基于序列轮廓特征的步态识别研究[D]. 孙卓.西安科技大学 2017
[7]基于步态能量图的身份识别算法研究[D]. 贾令尧.长春工业大学 2017
[8]基于卷积神经网络的身份识别技术研究与应用[D]. 王洋.大连理工大学 2017
[9]基于深度学习的步态识别关键技术研究[D]. 张诚.北京邮电大学 2016
本文编号：3537998
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3537998.html
