【摘 要】
:
鞋印序列是指具有时序关系的多枚鞋印的集合,鞋印序列包含人行走习惯引起的动力形态特征及运动轨迹特征,具有唯一性和稳定性等特点。鞋印序列识别可以被用于嫌疑人筛查、智能家居和机场通道等场所。因此,基于鞋印序列图像的生物特征分析与识别具有特定的应用优势,进行鞋印序列识别技术的研究是非常有意义的。鞋印图像识别的研究多为同人同花纹鞋印图像识别,在日常生活中,同人在不同时间穿着同一双鞋概率较低。跨花纹鞋印序列识
论文部分内容阅读
鞋印序列是指具有时序关系的多枚鞋印的集合,鞋印序列包含人行走习惯引起的动力形态特征及运动轨迹特征,具有唯一性和稳定性等特点。鞋印序列识别可以被用于嫌疑人筛查、智能家居和机场通道等场所。因此,基于鞋印序列图像的生物特征分析与识别具有特定的应用优势,进行鞋印序列识别技术的研究是非常有意义的。鞋印图像识别的研究多为同人同花纹鞋印图像识别,在日常生活中,同人在不同时间穿着同一双鞋概率较低。跨花纹鞋印序列识别是指注册鞋印序列与待检鞋印序列由不同花纹的鞋产生,采集跨花纹鞋印序列进行识别在日常生活中更常见,所以基于跨花纹鞋印序列的生物特征研究具有重要意义。本文主要目的是研究跨花纹鞋印序列识别算法,主要工作如下:1)跨花纹鞋印序列数据集构建与预处理方法研究。目前没有用于研究的跨花纹鞋印序列公开数据集,为验证本文算法的有效性,本文扩增了使用专用采集设备采集的MUSSRO-RS数据集,从而构建三个数据子集MUSSRO-RSV1、MUSSRO-RSV2-T1和MUSSRO-RSV2-T2数据集。MUSSRO-RSV1包含85名受试者,MUSSRO-RSV2-T1数据集包含54名受试者,MUSSRO-RSV2-T2数据集包含51名受试者,扩增后的跨花纹鞋印序列数据集受试者数量增加,每人采集的鞋印花纹种类数增加。本文对跨花纹鞋印序列预处理方法进行研究,根据跨花纹鞋印序列特性分析,给出了跨花纹鞋印序列修补算法、空间分辨率归一化算法和步行方向归一化算法。2)给出了基于多尺度均值滤波能量图组的跨花纹鞋印序列表达。由于不同人足底着力区域分布不同,为突出着力较重区域包含的信息从而增强不同人之间的区分性,给出了基于非线性激活的步态能量图表达。通过分析可知,跨花纹鞋印序列受鞋印花纹影响包含的压力信息不完整,且不同鞋印图像鞋印花纹半径不同,鞋印花纹间隔也不一致,根据上述特点,给出了基于多尺度均值滤波能量图组的跨花纹鞋印序列表达,使用花纹有效区域的压力值对无花纹处压力值进行预测,从而削弱花纹对识别结果的影响。3)给出了基于步幅结构参数特征的跨花纹鞋印序列表达。现有步幅参数特征包括步长、步宽和步角特征,该特征进行识别时区分性较低。本文给出了基于步幅结构参数特征的跨花纹鞋印序列表达,在步幅参数特征的基础上,新增鞋印动态物理尺寸参数、步幅面积参数和步法面积参数特征,从而构建步幅结构参数特征表达。4)给出了结合子空间的跨花纹鞋印序列识别算法。综合利用多尺度均值滤波能量图组和步幅结构参数特征的优点,将不同特征在子空间投影,使子空间内同类不同花纹的鞋印序列特征尽可能近,不同类鞋印序列特征尽可能远。给出了跨花纹鞋印序列识别策略,不同特征之间有互补信息,因此将不同特征结合进行识别。对注册一种花纹的鞋印序列数据集,将多尺度均值滤波能量图组匹配得分与步幅结构参数匹配得分加权融合进行识别;对注册多种花纹的鞋印序列数据集,在注册一种花纹匹配得分的基础上,与子空间匹配得分加权融合进行识别。本文对跨花纹鞋印序列识别算法进行了研究,扩建了MUSSRO-RS数据集,并进行了实验验证,在三个数据子集上,识别率分别为81.94%、83.17%和87.68%。
其他文献
无透镜成像是成像技术中不断发展的轻量级检测和经济高效的技术,无需样品和图像之间的几何同构。该技术用于多个应用,如即时护理设备,微流体和生物学功能,可通过非常便携的平台生成高分辨率图像。由于人们越来越强烈地渴望对精细细节进行可视化,特别是在生物标本(如亚细胞样本)中,全息图像重建一直是人们越来越感兴趣的领域。这是因为在图像重建成功后,可以看到无透镜图像的精细细节。但是,在图像恢复过程中,总是会相位丢
行人意图预测是行为分析领域中的一项重要任务;将轨迹数据、图像等信息作为输入,模型能够准确预测行人未来意图(如在交通路口中是否过马路);该任务在人机协同HRC、自动驾驶AVs等视觉领域具有广泛的应用;第一视角下预测行人意图极具挑战性,受到多个因素的影响;(1)摄像机自身运动;在第一视角环境中,行人轨迹数据和图像信息受到摄像机自身运动的影响,与真实数据存在偏差;(2)行人运动的多模态特性;人们可以根据
近年来,海上运输业、旅游业日益蓬勃发展,在日益复杂的通航环境下,海上遇险事故频频发生。为了最大限度地减少事故损失,及时有效地海上搜救工作至关重要。在复杂的海洋环境中,利用红外探测技术的成像设备,构建海面遇险目标搜寻系统,它能够快速并大范围地搜寻海面遇险目标,从而提升海面遇险目标的检测、定位和跟踪能力,最终提升复杂海况下关于海面遇险目标的搜救成功率。然而红外图像通常具有一些非理想的特征,如对比度低、
随着计算机视觉领域的进步与数字图像技术的发展,人们获取信息的手段越来越多样化,不再只依赖自己的感官系统。视频作为人们获得信息的重要途径愈发受到人们的喜爱,但是由于各种环境因素产生的抖动影响了人们获得视频的质量,并使人们难以从抖动的视频中获取信息并且会造成眼睛的不舒适,长期观看低质量含抖动的视频会对人类的视觉产生严重的损害并影响人们获取视频中关键的信息。近年来摄像机被广泛的应用在军事、医学、交通管制
建设新型电力系统框架下高比例新能源场站的投运,将加重电能质量污染,导致损耗增加、设备损坏以及换流站直流单元闭锁等故障。通过建电能质量仿真评估技术体系,灵活应用于新能源场站入网评估,可实现电能质量问题专项分析预评估、电能质量暂态事件影响范围评估、电能质量治理技术验证评估和电能质量治理设备性能验证测试。
骨质疏松症是一种全身性骨病,该疾病会引发骨矿物密度、骨质量下降、骨微结构破坏以及骨脆性增加从而导致骨折,引起严重的并发症,甚至可引发残疾或死亡。识别骨质疏松症的风险因素对于该疾病的发病机制研究和预防至关重要。目前为止,一些体格指标与骨质疏松症之间的因果关系仍需进一步研究。本研究使用孟德尔随机化(Mendelian Randomization,MR)方法对身高、身体质量指数(Body Mass In
无透镜数字全息显微成像因其小型化、成像视野大、便携化等优点,在生物监测方面有很大的应用前景。本文将无透镜全息显微技术与彩色相机的Bayer滤光片阵列相结合,研究了一种无透镜全息显微成像方法,该成像方法研究利用彩色相机采集一张复合全息图,由于相机表面的Bayer滤光片阵列,便可同时获取对应红绿蓝三种波长的全息图信息,从而减少了所需的数据量,提高效率。研究了基于Bayer滤光片阵列的无透镜全息显微成像
火灾对人们日常生产及生活造成了严重的危害。烟为火始,快速、准确检测出火灾早期烟雾并预警,是减少火灾危害的重要手段。针对目前火灾烟雾检测算法存在小目标识别准确率较低、复杂场景适应性差等问题。本文采用基于Faster RCNN的目标检测模型,对早期火灾烟雾检测方法进行研究。本文的主要研究内容如下:给出一种基于可变形卷积的特征提取网络模型。针对卷积神经网络中标准卷积固定的几何结构无法自适应烟雾目标形变的
表情识别指利用计算机提取人脸表情特征进行分类,从而推测人的情绪;卷积神经网络通过将特征提取与特征分类相结合,在图像识别领域中表现出了良好的性能,可以对人脸表情进行有效识别。本文采用软硬件协同的方式,利用Xilinx公司的ZYNQ芯片对卷积神经网络进行硬件加速,实现人脸表情的高效识别。根据FPGA和ARM的特点划分软硬件模块,在FPGA部分设计卷积神经网络硬件加速IP,包括卷积运算模块、池化运算模块
近年来的研究发现,肺癌是世界上发病率和死亡率最高的癌症之一,而肺癌的早期的临床表现是肺结节,在肺结节的所有类型中,恶性病变程度最高的是肺内亚实性结节(Subsolid Nodules,SSN)。目前,医生主要通过肺部CT图像的结节表现特征来进行病变诊断与治疗,因此存在一定的误差。随着医学影像技术的发展,可以将肺部CT序列与计算机辅助诊断系统(Computer Aided Diagnosis,CAD