基于步态能量图的红外人体识别算法研究
发布时间：2021-04-11 23:32
步态识别作为一种基于人体生理和行为的生物特征识别技术,由于其具有非侵犯性和远距离识别性,在计算机视觉等领域一直都是备受关注的研究热点,在无人驾驶、视频监控、公安刑侦等领域具有非常重要的应用价值。红外步态识别是利用热成像仪对人体进行步态检测,与可见光的成像原理不同,红外步态图像是对人体内部热辐射感应而成的像,并且具有光照不敏感、穿透烟尘雾霾能力强的优点,并且它不受环境因素的限制,可全天候、全天时成像,具有极强的环境适应性。但步态红外图像存在图像人物与环境对比度低、背景噪声大、人物边缘模糊、视觉特性差等特性,导致在红外图像中进行人体目标身份识别存在着较大的困难,往往检测到了目标,但却难以辨认出其具体身份。目前大多数步态识别方法都是针对与可见光的步态图像所提出的。本文提出了一种基于步态能量图的双层卷积红外步态识别模型。首先,对中科院自动化所（CASIA）的DatasetC（红外视频库）数据集进行图像序列的分割,并采用小波变换和CLAHE（Contrast Limited Adaptive Histogram Equalization）相结合的方法对原始红外步态图像进行增强。其次,在对目标人体...
【文章来源】：云南师范大学云南省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
近10年来全球生物识别市场规模趋势图
第1章绪论2生在国内的昆明火车站暴力恐怖案，新疆暴力恐怖案等同样严重影响了社会安定。随着全球反恐形势更加严峻、国家社会的长久安定、智慧城市的全面建设及城市化进程的发展，对于提升安防技术和设施的要求刻不容缓。黑夜环境下的红外人体识别技术也从原始的肉眼视觉识别发展到当前的智能特征识别，逐渐受到了国内外专家学者及信息技术人员的关注，成为了当今信息领域的研究重点[1]。生物特征的识别方法又被称为生物特征识别或者生物认证[2],因其拥有特征唯一性、便捷性、安全性等优势，极大的满足了当前的监控等领域的社会和市场需要。由于人体细节特征的差异，生物特征识别技术主要分为人脸[3-5]、指纹[6-9]、虹膜[10-12]、静脉[13-15]、DNA[16]识别和步态识别[17]等，如图1.2所示。基于生物特征识别的过程往往需要检测对象的配合才能完成识别过程，而且采集过程中，检测对象的生物特征受环境因素影响大。而且不同的生物特征具有不同的适用范围。比如：指纹与静脉识别需要让检测对象的肢体部位采用按压等动作通过信息采集器才能够完成对检测对象的信息采集。而人脸与虹膜识别需要距离较近，且光照充足的环境下才能够完成对生物特征的提龋所以基于生理特征的识别方式由于以上原因，会造成无法正常识别目标以及识别率（a）人脸（b）指纹（c）虹膜（d）静脉（f）步态图1.2基于生物特征的识别方式（e）DNA
第2章基础理论8第2章基础理论2.1红外热成像技术2.1.1红外热成像基本原理由于黑体辐射的存在，任何物体都具有不断辐射、吸收、反射电磁波的性质[44]。不同的物体能够按照温度的不同对外进行电磁波辐射，因而被称之为热辐射。辐射出去的电磁波在各个波段是不同的，波长介于0.78微米到1000微米之间的红外谱段称之为“红外线”，其中波长为2.0~1000微米的部分称为热红外线。如图2.1所示。自然界中，任何物体内部的分子运动，都会使得物质内部可以发射出红外线。由于物体内部发射的热红外线对多数的固态及液态物质的穿透性差，因而可以将热红外线表征为物体表面的温度场分布。通过红外探测器能够把温度场在物体上的散布显示成为肉眼可辨的多色彩图像。红外热像仪的原理就是把物体内部射出的热量辐射采集到红外探测器的焦平面上，将电信号转变为数字信号进而生成人眼可见的伪色彩图像，最后通过专业的软件进行图像分析。红外热像仪一般由红外镜头、红外探测器、处理电路、显示电路等部分组成。红外热成像的整体过程如图2.2所示。图2.1辐射光谱图
【参考文献】：
期刊论文
[1]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)
[2]中科院“步态识别”技术 不看脸50m内完成识别[J]. 智能建筑与智慧城市. 2017(10)
[3]复杂背景下基于YCbCr颜色空间和Mini-Batch聚类的肤色检测[J]. 陈涛,云利军,程飞燕,王坤. 云南师范大学学报(自然科学版). 2017(05)
[4]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[5]特征融合的多视角步态识别研究[J]. 王竣,王修晖. 中国计量大学学报. 2017(02)
[6]基于SVM-LeNet模型融合的行人检测算法[J]. 邹冲,蔡敦波,赵娜,刘莹,赵彤洲. 计算机工程. 2017(05)
[7]基于红外热成像检测技术的设备预知性维修[J]. 范昱. 设备管理与维修. 2017(02)
[8]基于多尺度Retinex算法结合PCA特征加权的人脸识别方法[J]. 于梦,云利军,李艾瞳. 云南师范大学学报(自然科学版). 2016(06)
[9]基于分块LBP和分块PCA的指静脉识别方法[J]. 杨文文,毛建旭,陈姜嘉旭. 电子测量与仪器学报. 2016(07)
[10]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
博士论文
[1]基于小波变换和支持向量机相结合的步态识别新方法研究[D]. 薛召军.天津大学 2007
硕士论文
[1]基于卷积神经网络和类能量图的步态识别研究[D]. 于凯强.哈尔滨工程大学 2018
[2]低照度图像增强算法的研究[D]. 郭晓婷.华南理工大学 2013
本文编号：3132158
【文章来源】：云南师范大学云南省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
近10年来全球生物识别市场规模趋势图
第1章绪论2生在国内的昆明火车站暴力恐怖案，新疆暴力恐怖案等同样严重影响了社会安定。随着全球反恐形势更加严峻、国家社会的长久安定、智慧城市的全面建设及城市化进程的发展，对于提升安防技术和设施的要求刻不容缓。黑夜环境下的红外人体识别技术也从原始的肉眼视觉识别发展到当前的智能特征识别，逐渐受到了国内外专家学者及信息技术人员的关注，成为了当今信息领域的研究重点[1]。生物特征的识别方法又被称为生物特征识别或者生物认证[2],因其拥有特征唯一性、便捷性、安全性等优势，极大的满足了当前的监控等领域的社会和市场需要。由于人体细节特征的差异，生物特征识别技术主要分为人脸[3-5]、指纹[6-9]、虹膜[10-12]、静脉[13-15]、DNA[16]识别和步态识别[17]等，如图1.2所示。基于生物特征识别的过程往往需要检测对象的配合才能完成识别过程，而且采集过程中，检测对象的生物特征受环境因素影响大。而且不同的生物特征具有不同的适用范围。比如：指纹与静脉识别需要让检测对象的肢体部位采用按压等动作通过信息采集器才能够完成对检测对象的信息采集。而人脸与虹膜识别需要距离较近，且光照充足的环境下才能够完成对生物特征的提龋所以基于生理特征的识别方式由于以上原因，会造成无法正常识别目标以及识别率（a）人脸（b）指纹（c）虹膜（d）静脉（f）步态图1.2基于生物特征的识别方式（e）DNA
第2章基础理论8第2章基础理论2.1红外热成像技术2.1.1红外热成像基本原理由于黑体辐射的存在，任何物体都具有不断辐射、吸收、反射电磁波的性质[44]。不同的物体能够按照温度的不同对外进行电磁波辐射，因而被称之为热辐射。辐射出去的电磁波在各个波段是不同的，波长介于0.78微米到1000微米之间的红外谱段称之为“红外线”，其中波长为2.0~1000微米的部分称为热红外线。如图2.1所示。自然界中，任何物体内部的分子运动，都会使得物质内部可以发射出红外线。由于物体内部发射的热红外线对多数的固态及液态物质的穿透性差，因而可以将热红外线表征为物体表面的温度场分布。通过红外探测器能够把温度场在物体上的散布显示成为肉眼可辨的多色彩图像。红外热像仪的原理就是把物体内部射出的热量辐射采集到红外探测器的焦平面上，将电信号转变为数字信号进而生成人眼可见的伪色彩图像，最后通过专业的软件进行图像分析。红外热像仪一般由红外镜头、红外探测器、处理电路、显示电路等部分组成。红外热成像的整体过程如图2.2所示。图2.1辐射光谱图
【参考文献】：
期刊论文
[1]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)
[2]中科院“步态识别”技术 不看脸50m内完成识别[J]. 智能建筑与智慧城市. 2017(10)
[3]复杂背景下基于YCbCr颜色空间和Mini-Batch聚类的肤色检测[J]. 陈涛,云利军,程飞燕,王坤. 云南师范大学学报(自然科学版). 2017(05)
[4]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[5]特征融合的多视角步态识别研究[J]. 王竣,王修晖. 中国计量大学学报. 2017(02)
[6]基于SVM-LeNet模型融合的行人检测算法[J]. 邹冲,蔡敦波,赵娜,刘莹,赵彤洲. 计算机工程. 2017(05)
[7]基于红外热成像检测技术的设备预知性维修[J]. 范昱. 设备管理与维修. 2017(02)
[8]基于多尺度Retinex算法结合PCA特征加权的人脸识别方法[J]. 于梦,云利军,李艾瞳. 云南师范大学学报(自然科学版). 2016(06)
[9]基于分块LBP和分块PCA的指静脉识别方法[J]. 杨文文,毛建旭,陈姜嘉旭. 电子测量与仪器学报. 2016(07)
[10]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
博士论文
[1]基于小波变换和支持向量机相结合的步态识别新方法研究[D]. 薛召军.天津大学 2007
硕士论文
[1]基于卷积神经网络和类能量图的步态识别研究[D]. 于凯强.哈尔滨工程大学 2018
[2]低照度图像增强算法的研究[D]. 郭晓婷.华南理工大学 2013
本文编号：3132158
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3132158.html
