步態(tài)識別作為計算機視覺和生物特征識別領域的一個熱點研究課題,它旨在賦予計算機能夠根據(jù)人體行走的姿勢辨別出人物身份的能力。該研究具有重要的理論研究意義和巨大的實際應用價值,涉及了計算機視覺、模式識別、視頻/圖像處理、圖形學和智能人機交互等多個學科,并且在遠距離身份識別方面具有巨大的應用前景。例如,目前在銀行、地鐵、機場、火車站等安全敏感場所的視頻監(jiān)控系統(tǒng)中就急需一種準確的、魯棒的遠距離身份識別技術。經(jīng)過二十多年的發(fā)展,已經(jīng)提出了許多步態(tài)識別算法,其中最先進的算法在訓練和測試環(huán)境相似的情況下已經(jīng)取得令人滿意的識別精度。但是在非理想條件下,由于受到多種多樣的步態(tài)變化因子的影響,算法的識別性能將會出現(xiàn)大幅度的下降,很難滿足實際應用要求。因此,步態(tài)識別技術還遠未成熟,設計出真正準確、魯棒的步態(tài)識別算法仍然是目前研究的主要任務。本文基于子空間集成學習理論,以開發(fā)設計出有效的步態(tài)識別算法問題展開了深入的研究。具體來說,本文的主要工作和創(chuàng)新如下:1.針對步態(tài)因受到多種多樣變化因子的影響,導致識別算法性能下降的問題,提出了基于全矯正Boosting子空間集成學習的步態(tài)識別方法,將全矯正Boosting技... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：156 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 步態(tài)識別的研究現(xiàn)狀
        1.2.1 步態(tài)識別系統(tǒng)的基本框架
        1.2.2 運動檢測
        1.2.3 步態(tài)周期檢測
        1.2.4 步態(tài)識別算法分析
        1.2.5 公共步態(tài)數(shù)據(jù)庫簡介
        1.2.6 難點分析
    1.3 本文的主要研究內(nèi)容
    1.4 本文的內(nèi)容組織
第2章 基于全矯正Boosting子空間集成學習的步態(tài)識別
    2.1 引言
    2.2 Boosting集成算法簡介
        2.2.1 線性規(guī)劃表達式
        2.2.2 基于列生成的單純形法
    2.3 基于全矯正Boosting的子空間集成學習
        2.3.1 子空間集成學習框架
        2.3.2 算法的快速實現(xiàn)
        2.3.3 計算復雜度分析
    2.4 三元索引集合的構(gòu)建
        2.4.1 基于LDA的三元索引集合
        2.4.2 基于MFA的三元索引集合
        2.4.3 在特定識別情況下的三元索引集合
    2.5 在步態(tài)識別中的應用
    2.6 實驗結(jié)果和分析
        2.6.1 實驗設計
        2.6.2 參數(shù)分析
        2.6.3 識別性能的對比分析
    2.7 本章小結(jié)
第3章 基于時-空域步態(tài)表征和核子空間集成學習的步態(tài)識別
    3.1 引言
    3.2 基于核的非線性子空間學習
        3.2.1 線性子空間學習
        3.2.2 基于核的擴展
    3.3 時-空域的步態(tài)表征
        3.3.1 步態(tài)高斯能量圖像
        3.3.2 步態(tài)熵圖像
    3.4 核子空間集成學習
    3.5 在步態(tài)識別中的應用
    3.6 實驗結(jié)果與分析
        3.6.1 時-空步態(tài)表征的識別性能評估
        3.6.2 識別性能對比分析
    3.7 本章小結(jié)
第4章 基于Gabor特征和張量子空間集成學習的步態(tài)識別
    4.1 引言
    4.2 相關的張量理論
        4.2.1 多重線性代數(shù)的基本運算
        4.2.2 多重線性投影
        4.2.3 多重線性子空間學習
    4.3 基于Gabor小波的步態(tài)表征
    4.4 基于張量的子空間集成學習
    4.5 基于EMP的子空間集成學習
    4.6 實驗結(jié)果與分析
        4.6.1 參數(shù)分析
        4.6.2 識別性能的穩(wěn)定性分析
        4.6.3 識別性能的對比分析
    4.7 本章小結(jié)
第5章 基于典型相關分析和局部特征子空間集成學習的跨視角步態(tài)識別
    5.1 引言
    5.2 步態(tài)視角匹配
        5.2.1 步態(tài)運動區(qū)域分割
        5.2.2 基于稀疏表示的步態(tài)視角分類
    5.3 典型相關分析
    5.4 基于局部圖塊的子空間集成學習
    5.5 跨視角的步態(tài)識別
    5.6 實驗結(jié)果和分析
        5.6.1 實驗設計
        5.6.2 參數(shù)分析
        5.6.3 單一視角下的識別性能對比分析
        5.6.4 跨視角下的識別性能對比分析
    5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文及其他成果
致謝
個人簡歷



本文編號：3197174