论文部分内容阅读
目前,社会环境日益复杂,各类案件高发,严重影响了社会的和谐稳定。为应对复杂的治安环境,智能监控建设逐步完善并发挥监测作用。在公共安全领域,人是主要管控对象,而步态特征又是人的重要生物信息之一,通过分析视频中步态特征可以锁定嫌疑人。因此,步态识别技术在排查重点人员、提高预警时间和自动身份识别等方面可以发挥重要作用。本文主要研究步态行为分析和比对方法,包括运动人体目标检测、步态特征提取、步态的多特征融合和分类器设计等关键技术;设计并实现了步态行为分析软件,能够从视频中检测运动人体目标、提取步态特征、训练分类器及识别。在运动人体目标检测方面,研究并实现了基于混合高斯模型的运动人体目标检测方法,通过调整参数更新背景,提取到更加清晰的前景轮廓。利用存在光线变化的自拍视频和步态库视频进行了仿真实验,结果表明,该方法在光线变化场景下及固定场景下提取到的运动人体目标轮廓的完整度都优于背景减除法。在步态特征提取方面,改进了基于下肢轮廓摆动距离的周期算法,首先确定质心坐标,然后计算膝关节以下像素点到质心的距离,减少摆臂对周期计算的影响;利用钟摆模型计算关节角度;基于概率统计的方法提取步态能量图,并采用主成分分析法对步态能量图进行降维处理。在特征融合和分类器设计方面,提出了一种多特征融合的向量构造方法,将周期、关节角度和步态能量图特征进行加权融合构造特征向量,并利用基于欧氏距离的最近邻分类方法对步态进行识别。利用CASIA数据库进行了单一特征和多特征融合的仿真实验,结果表明,多特征加权融合方法的识别率达到84.37%,高于单一特征方法。在步态行为分析软件设计与实现方面,以Matlab R2014a为平台,利用Matlab GUI设计图形界面,设计并实现了包括运动人体目标检测、步态特征提取、分类器训练与识别功能的步态行为分析软件。