本文關(guān)鍵詞：復(fù)雜背景下多特征融合的人體步態(tài)識(shí)別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著智能視頻監(jiān)控技術(shù)的不斷普及,迫切要求更加準(zhǔn)確的人體運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行步態(tài)識(shí)別。本文主要研究視頻中的背景存在復(fù)雜條件下(例如樹葉擾動(dòng)、光照變化等)的多特征融合的人體步態(tài)識(shí)別。通過實(shí)驗(yàn)發(fā)現(xiàn),混合高斯背景建模對(duì)復(fù)雜背景(例如樹葉擾動(dòng)、光照變化等)的適應(yīng)性差�？紤]到K均值聚類圖像分割對(duì)光照和樹葉抖動(dòng)都有很好的魯棒性,且分割得到的圖像出現(xiàn)空洞的情況較少。在深入分析混合高斯背景建模的像素級(jí)特性、K均值聚類圖像分割的區(qū)域特性和微正則退火算法的高效全局尋優(yōu)特性后,首先提出了基于微正則退火的K均值聚類圖像分割算法,使得分割得到的感興趣區(qū)域更加精確和完整,然后在此基礎(chǔ)上提出了基于圖像分割改進(jìn)的混合高斯背景建模。雙向2DPCA在特征提取上,對(duì)圖像的行和列都進(jìn)行了壓縮,減少了數(shù)據(jù)量和計(jì)算量,所以選用其提取步態(tài)能量圖的特征。傳統(tǒng)的關(guān)節(jié)角度特征是根據(jù)人體解剖學(xué)肢體身高比例得到下肢關(guān)節(jié)點(diǎn),提取過于理想化,本文提出根據(jù)去除末梢點(diǎn)的骨架模型來得到關(guān)節(jié)角度的新方法,得到了更加準(zhǔn)確的關(guān)節(jié)角度特征。離散Hu不變矩具有平移、尺度、旋轉(zhuǎn)不變性,可以很好的代表步態(tài)的靜態(tài)信息。同時(shí),由于三種步態(tài)特征的屬性和數(shù)字范圍有很大差別,所以對(duì)步態(tài)特征進(jìn)行了規(guī)格化�？紤]到計(jì)算的復(fù)雜度和特征的互補(bǔ)性,因此采用不帶反饋的加權(quán)特征層融合方法,即首先得到單一特征的識(shí)別率,通過識(shí)別率得到各個(gè)特征所占的權(quán)重,再進(jìn)行權(quán)重調(diào)節(jié)。在解決高維模式識(shí)別、非線性和小樣本等問題上,支持向量機(jī)具有獨(dú)特優(yōu)勢(shì),因此選用其對(duì)特征進(jìn)行分類識(shí)別。在實(shí)驗(yàn)分析過程中,使用支持向量機(jī)對(duì)單個(gè)特征和融合后的特征進(jìn)行分類,得到各自的識(shí)別率,發(fā)現(xiàn)改進(jìn)的多特征融合識(shí)別算法的識(shí)別率得到很大提升。并通過累計(jì)匹配分值進(jìn)行對(duì)比分析,評(píng)價(jià)改進(jìn)的多特征融合的步態(tài)識(shí)別算法的分類性能。
【關(guān)鍵詞】：步態(tài)識(shí)別 目標(biāo)檢測(cè) 關(guān)節(jié)角度 離散Hu不變矩 多特征融合
【學(xué)位授予單位】：海南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 論文結(jié)構(gòu)與安排11-12
• 1.4 本章小結(jié)12-13
• 2 復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)13-27
• 2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)概述13-14
• 2.1.1 幀間差分法13
• 2.1.2 光流法13
• 2.1.3 背景差法13-14
• 2.2 基于微正則退火K均值聚類的圖像分割算法14-19
• 2.2.1 K均值聚類算法15
• 2.2.2 微正則退火算法15-16
• 2.2.3 基于微正則退火K均值聚類的圖像分割算法16-17
• 2.2.4 實(shí)驗(yàn)結(jié)果與分析17-19
• 2.3 基于圖像分割改進(jìn)的混合高斯背景建模19-24
• 2.3.1 混合高斯背景建模19-21
• 2.3.2 改進(jìn)的混合高斯背景建模21-23
• 2.3.3 實(shí)驗(yàn)結(jié)果與分析23-24
• 2.4 后續(xù)處理24-26
• 2.5 本章小結(jié)26-27
• 3 步態(tài)特征提取27-43
• 3.1 步態(tài)能量圖27-30
• 3.1.1 步態(tài)能量圖的原理27-28
• 3.1.2 二維主成分分析28-30
• 3.2 關(guān)節(jié)角度特征30-36
• 3.2.1 傳統(tǒng)的關(guān)節(jié)角度特征提取方法31-32
• 3.2.2 骨架模型32-34
• 3.2.3 骨架模型中的關(guān)節(jié)角度特征的提取34-36
• 3.3 離散Hu不變矩特征36-41
• 3.3.1 Hu不變矩37-39
• 3.3.2 離散Hu不變矩39-41
• 3.4 特征規(guī)格化41-42
• 3.5 本章小結(jié)42-43
• 4 多特征融合及分類識(shí)別43-55
• 4.1 多特征融合43-45
• 4.1.1 特征融合分類43-44
• 4.1.2 步態(tài)特征融合44-45
• 4.2 SVM45-51
• 4.2.1 SVM基本原理45-49
• 4.2.2 多類SVM49-50
• 4.2.3 SVM參數(shù)的確定50-51
• 4.3 實(shí)驗(yàn)結(jié)果與分析51-54
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)51
• 4.3.2 實(shí)驗(yàn)流程51-52
• 4.3.3 實(shí)驗(yàn)結(jié)果與識(shí)別性能52-54
• 4.4 本章小結(jié)54-55
• 5 總結(jié)與展望55-57
• 參考文獻(xiàn)57-60
• 碩士期間發(fā)表論文和科研情況60-61
• 致謝61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周浩理;李太君;肖沙;;基于微正則退火算法對(duì)K-means聚類算法的優(yōu)化[J];電視技術(shù);2015年17期

2 馬勤勇;聶棟棟;王毅;;多形狀模板增強(qiáng)的遠(yuǎn)距離步態(tài)識(shí)別算法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年04期

3 柴艷妹;夏天;韓文英;李洋;;多特征融合的步態(tài)識(shí)別算法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年03期

4 唐春林;;基于幀差能量圖遺傳算法的自遮擋步態(tài)識(shí)別[J];電視技術(shù);2014年05期

5 張?jiān)?李靜;姜樹明;楊子江;張江州;;步態(tài)能量圖的局部紋理特征分析方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2013年S1期

6 楊旗;薛定宇;;基于稀疏表示及分段幀差能量圖的步態(tài)識(shí)別[J];信息與控制;2013年01期

7 李梓;于海濤;賈美娟;;基于改進(jìn)模擬退火的優(yōu)化K-means算法[J];計(jì)算機(jī)工程與應(yīng)用;2012年24期

8 張?jiān)?吳曉娟;阮秋琦;;基于切向角特征的統(tǒng)計(jì)步態(tài)識(shí)別[J];模式識(shí)別與人工智能;2010年04期

9 張浩;劉志鏡;;加權(quán)DTW距離的自動(dòng)步態(tài)識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2010年05期

10 常海濱;崔瑩;;基于多特征融合的遠(yuǎn)距離身份識(shí)別研究[J];國(guó)防科技;2010年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 胡榮;人體步態(tài)識(shí)別研究[D];華中科技大學(xué);2010年

2 賁f[燁;基于人體運(yùn)動(dòng)分析的步態(tài)識(shí)別算法研究[D];哈爾濱工程大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 劉鳳;基于特征融合的多視角步態(tài)識(shí)別方法研究[D];東北電力大學(xué);2014年

2 徐暢;大規(guī)模路網(wǎng)下基于蟻群微正則退火算法的路徑優(yōu)化方法研究[D];吉林大學(xué);2013年

3 胡帥;復(fù)雜場(chǎng)景下步態(tài)識(shí)別技術(shù)研究[D];哈爾濱工程大學(xué);2013年

4 馮惠麗;一種新的不變矩在步態(tài)識(shí)別中的研究應(yīng)用[D];太原理工大學(xué);2010年

5 呂彥廷;基于隱馬爾科夫模型的步態(tài)身份識(shí)別[D];西華大學(xué);2009年

6 袁海軍;采用不變矩的步態(tài)識(shí)別[D];重慶大學(xué);2007年

  本文關(guān)鍵詞：復(fù)雜背景下多特征融合的人體步態(tài)識(shí)別研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：353198