论文部分内容阅读
近来年,随着社会发展对自动身份鉴定技术的需求越来越迫切,指纹、虹膜、人脸、DNA以及笔迹等生物特征识别技术得到了巨大发展。步态是一种新兴的生物特征识别技术,主要是通过人体走路的姿势来识别人的身份。和其他生物识别特征相比,它具有非侵犯性、远距离识别性、清晰度要求低和难以隐藏等优点,因而备受计算机视觉研究者的关注。从安全监控的角度来看,步态也是远距离情况下最具潜力的生物特征。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研究,取得了以下研究成果:1、利用主成分分析(PCA)方法和多重判别分析(MDA)方法进行特征降维,提出了一种基于感知轮廓描述子和特征空间变换的自动步态识别算法。实验结果表明,该算法在大样本的CMU数据库上的平均识别率达到了90%左右,和文献[12]中的同类方法基本一致。而在小样本的UCSD数据库上则达到了94%以上,比文献[12]中的方法高5%左右。2、面向区域面积和区域方差两种特征,提出了一种新的基于区域特征的步态识别算法。该算法在小样本的UCSD数据库上面向两种特征的平均识别率分别达到了90%和94%以上,比文献[20]中的Baseline算法分别高1%和5%左右。而在大样本的CMU数据库上则分别达到了99.5%和98.5%以上,比Baseline算法分别高4%和3%左右。3、面向动态方差和动态能量两种特征,提出了一种新的基于动态特征的步态识别算法。实验结果表明,算法在小样本的UCSD数据库上面向两种特征的平均识别率都达到了92%左右,比文献[57]中的同类方法均高1.2%左右。在大样本的CMU数据库上,面向动态方差特征的平均识别率达到了95%左右,而面向动态能量特征的平均识别率则在97%左右,比文献[57]中的方法高0.9%左右。4、提出了一种线图模型和静态特征相融合的步态识别新算法。实验结果表明,该算法分别使用特征级和决策级融合策略得到的正确识别率比未经融合的算法结果均有不同程度的提高,最小升幅约4.3%,最大升幅可达23.8%左右。