基于超限学习机的人体步态识别研究

发布时间：2024-01-29 16:19

　　步态识别技术是近年来计算机视觉和生物识别领域的研究热点,旨在根据人类走路的姿态对个体身份进行识别。相比于其他的生物特征,步态是唯一远距离可感知的生物特征,具有难以伪装、模仿或隐藏以及非侵犯性的特点,在视频监控、安全认证和医学方面具有广泛的应用前景。经过近十年的研究发展,步态识别领域涌现了许多有价值的工作。同时,客观环境的变化和动态识别的复杂性也为步态识别的进一步发展带来了挑战。鉴于步态识别技术具有重要的理论研究意义和实际应用价值,本文对其进行了深入的探究,重点研究了步态识别中计算复杂度与多视角变化问题,在前人工作的基础上研究了以下内容:(1)提出一种基于超限学习机(ELM)与步态熵向量的人体步态识别方法。为了实现识别精度和计算复杂性之间的平衡,本文利用图像熵特征和ELM的优势进行步态识别。首先,引入了一种基于图像熵的特征提取策略。对于周期性的步态二值图像序列,提取其每一帧中行子图像的图像熵构成步态熵向量。对一个步态周期的步态熵向量进行平均处理,将处理后的结果作为步态特征。其次,通过监督学习训练ELM网络,采用bagging算法对ELM进行改进,提高ELM网络的稳定性和泛化性能。通过使用...

【文章页数】：100 页

【学位级别】：硕士

图1.1:论文的章节结构

图2.1:步态识别系统的一般框架

图2.2:步态图像提取过程：（a）原始灰度图像；（b）灰度背景图像；（c）步态二值图像；（d）

图2.3:人体步态轮廓提取：（a)标准化的步态二值图像；（b）人体步态轮廓

本文编号：3888474