基于BEMD的多視角步態(tài)識(shí)別算法研究

《基于BEMD的多視角步態(tài)識(shí)別算法研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、工程碩士學(xué)位論文基于BEMD的多視角步態(tài)識(shí)別算法研究朱瑩瑩哈爾濱理工大學(xué)2018年3月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TP391.4工程碩士學(xué)位論文基于BEMD的多視角步態(tài)識(shí)別算法研究碩士研究生：朱瑩瑩導(dǎo)師：韋琦申請(qǐng)學(xué)位級(jí)別：工程碩士學(xué)科、專(zhuān)業(yè)：電子與通信工程所在單位：電氣與電子工程學(xué)院答辯日期：2018年3月授予學(xué)位單位：哈爾濱理工大學(xué)ClassifiedIndex:TP391.4DissertationfortheMasterDegreeinEngineeringResearchonMulti–PerspectiveGaitRecognitionAlgorithm

2、BasedonBEMDCandidate：ZhuYingyingSupervisor：WeiQiAcademicDegreeAppliedfor：MasterofEngineeringElectronicandCommunicationSpecialtiy：EngineeringDateofOralExamination：March,2018HarbinUniversityofScienceandUniversity：Technology哈爾濱理工大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于BEMD的多視角步態(tài)識(shí)別算法研究》，

3、是本人在導(dǎo)師指導(dǎo)下，在哈爾濱理工大學(xué)攻讀碩士學(xué)位期間獨(dú)立進(jìn)行研究工作所取得的成果。據(jù)本人所知，論文中除已注明部分外不包含他人已發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本文研究工作做出貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔(dān)。作者簽名：日期：年月日哈爾濱理工大學(xué)碩士學(xué)位論文使用授權(quán)書(shū)《基于BEMD的多視角步態(tài)識(shí)別算法研究》系本人在哈爾濱理工大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸哈爾濱理工大學(xué)所有，本論文的研究?jī)?nèi)容不得以其它單位的名義發(fā)表。本人完全了解哈爾濱理工大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校

4、保留并向有關(guān)部門(mén)提交論文和電子版本，允許論文被查閱和借閱。本人授權(quán)哈爾濱理工大學(xué)可以采用影印、縮印或其他復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。本學(xué)位論文屬于保密，在年解密后適用授權(quán)書(shū)。不保密√。(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打√)作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日基于BEMD的多視角步態(tài)識(shí)別算法研究摘要步態(tài)識(shí)別作為一種新興的生物識(shí)別技術(shù)，是根據(jù)步行者行走的姿態(tài)來(lái)判斷行人的身份。與傳統(tǒng)的生物識(shí)別技術(shù)相比，其具有非入侵性、容易在公共區(qū)域設(shè)置和難以掩飾等優(yōu)點(diǎn)。目前，步態(tài)識(shí)別都是對(duì)指定的角度進(jìn)行研究，對(duì)于多個(gè)視角，當(dāng)前的步態(tài)識(shí)別是有困難的。針對(duì)步態(tài)識(shí)

5、別系統(tǒng)經(jīng)常受觀(guān)察角度的影響，研究多視角步態(tài)識(shí)別具有十分重要的意義。論文提出了一種基于BEMD的多視角步態(tài)識(shí)別算法。根據(jù)中科院提供的CASIA數(shù)據(jù)庫(kù)，對(duì)步態(tài)圖像預(yù)處理、步態(tài)特征提取和步態(tài)識(shí)別三個(gè)部分的內(nèi)容做了詳細(xì)的研究，主要內(nèi)容為：步態(tài)圖像的預(yù)處理部分，通過(guò)背景減除法從背景圖像中提取運(yùn)動(dòng)目標(biāo)輪廓，得到步態(tài)輪廓的二值圖像。對(duì)其二值圖像進(jìn)行形態(tài)學(xué)處理、連通區(qū)域處理等操作，從而去除一些噪聲和小的連通區(qū)域。經(jīng)過(guò)圖像歸一化，將行人輪廓圖像調(diào)整到合適的大小，在此基礎(chǔ)上，檢測(cè)出步態(tài)周期。步態(tài)特征提取部分，在一個(gè)步態(tài)周期內(nèi)，得到步態(tài)能量圖，采用二維經(jīng)驗(yàn)?zāi)B(tài)分解（BEMD

6、）方法對(duì)其進(jìn)行分解，將分解出四個(gè)分量的前三個(gè)高頻分量重構(gòu)圖像作為步態(tài)特征。將每個(gè)視角下的步態(tài)特征進(jìn)行相加，最終構(gòu)建出多視角步態(tài)特征。分析對(duì)比各個(gè)模態(tài)分量和組合分量作為特征時(shí)不同角度的準(zhǔn)確率，實(shí)驗(yàn)結(jié)果表明，將前三個(gè)分量作為特征時(shí)的分類(lèi)效果優(yōu)于其他特征；而且將各個(gè)角度的平均識(shí)別率與角度融合之后的多視角步態(tài)識(shí)別率進(jìn)行比較，驗(yàn)證多視角步態(tài)特征具有較好的分類(lèi)效果。步態(tài)識(shí)別部分，采用支持向量機(jī)（SVM）對(duì)構(gòu)建的多視角步態(tài)特征進(jìn)行分類(lèi)，同時(shí)利用遺傳算法（GA）對(duì)模型當(dāng)中懲罰參數(shù)和核參數(shù)進(jìn)行優(yōu)化。利用公開(kāi)的CASIA數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，平均識(shí)別率達(dá)到93.52%，較優(yōu)化前

7、的識(shí)別率90.22%有所提升。關(guān)鍵詞步態(tài)識(shí)別；步態(tài)能量圖；二維經(jīng)驗(yàn)?zāi)B(tài)分解；支持向量機(jī)；遺傳算法-I-ResearchonMulti–PerspectiveGaitRecognitionAlgorithmBasedonBEMDAbstractAsanemergingbiometricrecognitiontechnology,gaitrecognitioncandeterminetheidentityofpedestriansbasedonthewalkingattitudeofpedestrians.Comparedwiththetraditiona

8、lbiometrics,ithastheadvantagesofnon-invasive,se