基于SVM的步态识别研究

来源 :江南大学 | 被引量 : 0次 | 上传用户:syx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着银行、机场等安全敏感场合对大范围视觉监控系统的迫切需求,远距离生物特征识别技术的研究受到越来越广泛的重视。而步态识别是一种远距离情况下唯一可被感知的生物特征识别技术,它以其内在的生物特性:不具有侵犯性、不需要身体接触、难以伪装和隐藏、能够实现远距离识别等,克服了当前指纹、人脸等特征识别方法依赖于物理接触或近距离接触的许多缺点,因而对步态识别及其关键技术的研究具有重要的学术意义和实用价值。目前,步态识别的研究都是针对小样本的情况。而支持向量机是在统计学习理论基础上发展起来的一种新的非常有效的机器学习方法,它较好地解决了以往困扰很多学习方法的实际问题如小样本、非线性、过学习、高维数等,具有很强的推广能力。因此,支持向量机用于步态识别是合适的。围绕这个主题,本文开展了如下几个方面的研究工作:(1)根据人体步态轮廓区域随步态变化不一样的特点,提出了基于可变区域特征和SVM的步态识别方法,即RFSBGR(Region Feature and SVM Based Gait Recognition)方法。对于每个序列而言,首先根据轮廓图像求出人体宽高比,然后利用人体随步态变化不一样的特点,将人体分为多个可变区域通过计算区域特征获取特征向量。最后对得到的特征量采用SVM进行步态的分类和识别。实验表明,该方法不但能克服由于获取的特征量过少而造成的信息丢失还取得了令人欣喜的识别性能。(2)根据人体外轮廓随行走过程不断变化的特点,提出了基于核的主成分分析(KPCA)和支持向量机(SVM)的步态识别方法,即KSBGR(KPCA and SVM Based Gait Recognition)方法。首先将轮廓图像的外轮廓沿上、下、左、右四个方向进行投影,每个方向的投影向量用一个1维信号表示,步态信息由四个1维信号组合而成。然后利用非线性机器学习方法KPCA提取步态特征向量。最后对得到的特征量采用SVM进行步态的分类与识别。以上方法均在UCSD和CASIA两个步态数据库上进行了仿真实验,实验结果表明本文方法不仅获得了较高的识别性能还拥有相对较低的计算代价,是有效的步态特征提取与识别方法。
其他文献
图论是离散数学的骨干分支,离散数学则是计算机科学技术与网络信息科学的思想基础。近年来由于计算机尤其是大型计算机的发展,使得图论在数学,物理、化学、地理、生物等基础学科
随着集成电路工艺和计算机自动化控制技术的发展,基于多核架构的实时系统得到广泛应用,特别是在数字控制、指挥控制、信号处理以及军事领域等方面发挥着重要的作用,使得基于多核
近年来,随着XML数据的受到越来越多应用开发者的欢迎,对XML的标签树和标签图数据模型的检索处理成为了一个重要的研究课题。而XML索引是有效检索XML的自然途径。 结构摘要作
查询优化是数据库管理系统设计和实现所采用的一项重要技术,也是影响数据库系统性能的一个重要因素。数据库查询优化包括两方面,基于代价的查询优化和基于响应时间的查询优化
环境监测具有地理位置分散、环境恶劣、需要无人职守等特点。长期以来,无线数传电台方式在远程数据采集、监视与控制方面占据着主导地位。随着我国移动通信网络的完善,基于GS
网格是继万维网之后出现的一种新型网络计算平台,目的是为用户提供一种全面共享各种资源的基础设施。但因其大规模、分布、异构和动态等特性使得网格计算环境非常复杂,提出了
随着计算机图形学的发展,对植物建立模型并动态地模拟植物生长、死亡等生命活动已经成为虚拟现实领域的研究热点。由于植物的生长发育是一个非常复杂的过程,不仅受到物种自身
CSP(Communicating Sequential Processes)是Hoare提出的一种代数语言,主要用于对并发系统进行描述与验证。主流的CSP模型检测工具包括FDR、PAT等。FDR通过操作语义将进程转化
随着多媒体技术和数字通信技术的飞速发展,人们所处理的信息量越来越大,相互通讯越来越容易,为了保护数据信息不被恶意窃取,对大量数据进行加密是非常必要的。虽然不同的应用
本论文是《内河航道多视觉信息融合技术应用研究》的核心研究内容。通过计算机视觉技术的研究,自动识别行进中的船舶的标志牌号(船铭牌),从而获知该船舶的基本信息。目前,我