基于深度学习的步态识别研究

发布时间：2024-12-27 00:39

　　近年来,随着摄像头的数据互联网化,监控系统的应用越来越广泛。同时监控系统随着计算机视觉和人工智能技术的不断发展下,也逐渐变得智能化,收集的数据能够自动处理,以人工检查和监督的形式在逐步减少。然而在这些场景中,监控的目标和拍摄设备都存在一定的距离,监控识别到的目标往往不会主动配合,这使得部分可疑人员可以很容易地避开这些监控。由于人脸识别技术在有面部遮挡或者拍摄角度不佳等情况下,只能捕捉人脸的特性,所以往往不能发挥其有效的作用,具有很大的局限性。而步态识别与传统的静态识别技术相比,具有检测距离长、易识别、无需协作等优点,一定程度上能够预防犯罪,对该局限性进行了良好的改善,对生物识别技术领域进行了完善和补充,解决了传统生物特征识别时的难题。因此,研究步态识别技术对生物识别技术领域进行完善和补充,解决传统生物特征识别时的难题,具有重要意义。针对目前深度学习在步态识别方法上的应用,本文首先使用了背景减除法对步态目标进行检测获取,再对Canny算子进行改进,将这些像素点组合成一个分割区域,从而将步态目标分割出来形成一个平滑的步态轮廓图;然后根据传统的卷积神经网络(Convolutional Neur...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图2.2深度学习结构和卷积过程

国防科技大学研究生院博士学位论文第14页,nnfrelupoolconvfc(2.1)其中，relu为激活函数，pool为池化函数，conv为卷积过程。设mnA为mn的矩阵，rcB为rc的矩阵，两者的卷积可以表示为：1100,,*,mnijCstAijBsitj(2.2)其中，s....

图3.3一个序列当中轮廓的宽度统计

基于深度学习的多视角步态识别算法设计与研究指在运动中一只脚触地到下一次同一只脚再次触地之间前进，一个步态周期也被称为步幅[19]。目前大多数步态特据来进行提取，因为每个人之间的步频都会存在一定的差廓作为依据，则评判标准会存在较大差异。所以步态周期重要的影响。在行走过程中，轮廓的宽....

图4.12实验二与GEI在背包行走序列上的多视角rank准确率对比，从上往下依次为实验二以及GEI的结果

基于深度学习的多视角步态识别算法设计与研究GEI在正常行走序列上的多视角rank准确率对比，从上往下GEI的结果

图4.18实验四与GEI在正常行走序列多视角平均准确率上的对比，上方为实验四结果

基于深度学习的多视角步态识别算法设计与研究0）。可以看出实验四所采用的框架可以非常好的解决多视角较好的解决着装变化以及携带背包所带来的准确率不

本文编号：4020872