資源描述：
《基于步態(tài)特征提取方法的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第8卷%第7期軟件導(dǎo)刊Vol.8No.72009年7月SoftwareGuideJul.2009基于步態(tài)特征提取方法的研究12白鑫，王李平（1.鄭州大學(xué)升達(dá)經(jīng)貿(mào)管理學(xué)院，河南鄭州451191;2.重慶郵電大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，重慶400065）摘要：對步態(tài)識別的國內(nèi)外研究現(xiàn)狀進(jìn)行了詳細(xì)的論述；介紹了基于步態(tài)識別的身份識別過程，闡述了在步態(tài)識別各階段用到的一些方法；對步態(tài)識別的下一步工作進(jìn)行了探討。關(guān)鍵詞：步態(tài)識別；特征提??；步態(tài)圖像序列；主成分分析中圖分類號：TP301文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2009）07
2、－0179－03數(shù)的用于多視角情況下的步態(tài)識別算法。首先對某個人的一個0引言步態(tài)序列利用動態(tài)Viterbi算法得到一個樣本姿態(tài)序列，對其多個步態(tài)樣本姿態(tài)序列的對應(yīng)姿態(tài)去平均得到這個人的特征生物特征識別技術(shù)是通過計算機(jī)對人體所固有的生理或姿態(tài)序列，然后對特征姿態(tài)利用主成份分析法處理特征空間，者行為特征進(jìn)行的個人身份鑒定，它是利用人的生理或者行為最后利用最近鄰法進(jìn)行識別，取得了較高的識別率，并對體形特征進(jìn)行的身份識別。目前研究最多的生物特征是指紋和步態(tài)變化具有較強(qiáng)的魯棒性；蘇菡等人提出了一種新的提取肢體角特征。度的方法，該方法通過分析
3、側(cè)影寬度變化獲取角度信息，無需1國內(nèi)外研究動態(tài)對人體建模。在國外，同樣也有很多的學(xué)校和研究機(jī)構(gòu)對步態(tài)的識別進(jìn)步態(tài)（Gait）的基本定義為：“Aparticularwayormannerof行研究。最早識別行人的方法是由Niyogi與Adelson提出的；movingonfoot”。在國內(nèi)，許多大學(xué)和機(jī)構(gòu)正在進(jìn)行步態(tài)識別技Cunado等不僅考慮人行走過程中雙腿的運(yùn)動情況，用鏈接的術(shù)的研究，其中處于領(lǐng)軍地位的是由歸國博士譚鐵牛領(lǐng)導(dǎo)的中鐘擺模擬腿部的運(yùn)動變化，而且從其傾斜角度信號的頻率分量科院自動化研究所，其研究取得了令人鼓舞的成果，如
4、王亮和中獲取步態(tài)特征；Lee采用7個橢圓表達(dá)人的側(cè)面二值化圖像胡衛(wèi)明提出的基于統(tǒng)計主元分析的方法，使用14個相互連接的身體的不同部分，每個橢圓用質(zhì)心等4個特征表示，加上整的圓臺對人體建模，通過一定的運(yùn)動約束，將人體用一個12維個身體圖像的質(zhì)心的高度一共29個特征表示整個人體側(cè)面圖的動態(tài)特征向量表示，通過姿態(tài)評價函數(shù)對視頻中的人體姿勢像，通過模板匹配的方法進(jìn)行步態(tài)識別；Yoo等人根據(jù)解剖學(xué)進(jìn)行恢復(fù)，提取模型參數(shù)進(jìn)行步態(tài)識別。韓鴻哲等提出了基于的知識，提取除頭、脖頸、肩、胸、膝蓋和腳踝的位置。然后計算傅里葉描述子的步態(tài)識別方法；程瓊等
5、通過對步態(tài)輪廓展開曲各個位置的運(yùn)動學(xué)特征進(jìn)行步態(tài)的分類識別。近來，文獻(xiàn)［3］從線的分析并和文獻(xiàn)［2］中的方法進(jìn)行了比較，提出了基于傅里光流圖像中提取對應(yīng)于行走周期的運(yùn)動圖像序列，然后借助主葉描述子和人工神經(jīng)網(wǎng)絡(luò)的步態(tài)識別算法，取得了很好的識別助特征空間變換獲得步態(tài)特征；文獻(xiàn)［4］提出了一種基于步態(tài)率；袁琪等人提出了基于雙線性建模隱馬爾科夫模型的步態(tài)識圖像自相似性的非參數(shù)化的方法和一種基于步態(tài)的周期和跨別算法，將特性分別看做“內(nèi)容”和“風(fēng)格”，對圖像序列以狀態(tài)距的參數(shù)化的方法進(jìn)行步態(tài)身份認(rèn)證。Nixon等人使用XYT的確定的連續(xù)HM
6、M-EM估計“內(nèi)容”類型，引入非對稱雙線性模方法，將步態(tài)視頻序列看作一個時間序列，利用頭部和腿部在型理論對結(jié)果建模，通過SVD和NN聚類實現(xiàn)對“風(fēng)格”的歸XT維的模式確定身體運(yùn)動輪廓線，并利用5棒模型進(jìn)行擬合，類判定。該算法能有效提高判別率，對未知風(fēng)格或者內(nèi)容類型歸一化后進(jìn)行識別；文獻(xiàn)［5］提出了利用步態(tài)序列圖像光流的判斷有較好的適應(yīng)性。同時對影響步態(tài)識別準(zhǔn)確性的其他因素頻率和相位信息進(jìn)行步態(tài)識別；文獻(xiàn)［6］利用人的二值化圖像也做了討論；從多元統(tǒng)計學(xué)的角度對實驗數(shù)據(jù)進(jìn)行分析證明了的側(cè)面外輪廓寬度矢量作為圖像的特征，利用K近鄰方法進(jìn)
7、通過步態(tài)進(jìn)行身份鑒別的可行性。同時，主成份分析顯示，在行步態(tài)的分類識別；文獻(xiàn)［7］采用運(yùn)動能量圖像和運(yùn)動歷史圖VGRF曲線中，對步態(tài)識別起比較重要作用的足部接觸地面瞬像來解釋圖像序列中人的運(yùn)動；文獻(xiàn)［8］的方法取了4個靜態(tài)間的部分也進(jìn)行了討論。彭彰等人提出了一種基于肢體長度參參數(shù)用于身份識別，即體長、軀干長、腿長和步長；文獻(xiàn)［9］將人作者簡介：白鑫（1980-），女，河南商丘人，碩士，鄭州大學(xué)升達(dá)經(jīng)貿(mào)管理學(xué)院助教，研究方向為軟件工程；王李平（1981-），男，河南新鄉(xiāng)人，重慶郵電大學(xué)碩士研究生，研究方向為數(shù)字圖像處理、模式識別?！?/p>
8、180·軟件導(dǎo)刊2009年體分成7個部分，用橢圓對每一部分建模，對每一幀形成合計在前景和背景較為相近的情況下。因此我們借用間接差分的方29個特定參數(shù)。通過圖像序列中各幀特征參數(shù)獲得步態(tài)特征；法以提高對噪聲的抑制作用，然后選取合適的閾值進(jìn)行二值化文獻(xiàn)
