论文部分内容阅读
近年来,步态识别作为一种新的生物识别技术越来越受到研究者的关注,远距离,难伪装,非接触等特点是步态识别技术区别于其他生物识别技术的优势。人体运动的随机性使其出现在摄像头的方向往往难以确定,人体的步态特征也随着视角的变化而变化,因此需对多个视角下的人体步态进行分析,围绕着这一主题,本文通过受视角影响较小的人体骨架进行步态分析。本文所做的研究工作主要有:1.多视角人体运动区域分割。为解决动态背景及人体阴影对人体区域分割产生的影响,本文通过对颜色通道定性及定量分析,最终选择颜色通道S,V,Cr组成混合颜色空间。在混合颜色空间下改进Codebook算法,并运用改进算法对多视角视频序列进行前景分割。实验表明,本文算法减弱了动态背景及人体阴影对人体区域分割的影响,准确清晰快速的提取了多视角下人体运动目标,提高了算法的鲁棒性,最终检测准确率相较于单颜色空间提高了 12.22%。2.多视角下人体骨架提取及转换。本文对不同的提取人体骨架算法进行分析,提出一种改进的ZS(Zhang and Suen)细化算法,解决了骨架局部信息丢失的问题。实验表明,改进ZS细化算法能快速提取拓扑性,连接性强的人体骨架,提取骨架的准确率相较于ZS细化算法提高了 12.64%。对于不同视角下的人体骨架通过建立视角转换模型(View Transformation Model,VTM)将步态轨迹映射到90°视角下。3.人体步态特征分析及分类。对多种步态特征进行分析,提取区分度大且适应视角变化的步态特征组成特征向量并作为分类特征。将提取的特征向量作为分类标准,通过支持向量机(Support Vectors Machine,SVM)对同一人不同序列,同一人不同视角下及不同人步态序列进行分类以验证特征向量有效性。实验表明,该特征向量具有较大的区分度且能适应视角的变化。实验表明,本文所提出的各项算法对CASIA-DatesetB数据库中的多视角视频序列的实验结果准确率均至少提升10%。经过实验验证,最终提取的步态特征向量受视角影响较小,且具有较大区分度。