現(xiàn)今,生物特征識別技術(shù)在個人身份鑒定系統(tǒng)中扮演著重要的角色,但是也存在許多問題。例如,人臉識別易受光照、化妝、年齡和距離等因素的影響,指紋很容易被偽造。步態(tài)識別是通過人的走路姿態(tài)對身份進行鑒定,步態(tài)特征具有遠距離性、非接觸性和不易偽裝性等特點,可以克服人臉和指紋特征的不足。但是,步態(tài)識別易受衣著、背包和視角等協(xié)變量的影響。針對降低協(xié)變量對步態(tài)識別的影響,本文對步態(tài)識別算法展開深入研究,主要內(nèi)容如下:1、步態(tài)圖像預處理。分析幀間差分法、背景減除法和光流法等算法的優(yōu)缺點,選取背景減除法從步態(tài)視頻圖像序列中提取步態(tài)輪廓圖并進行圖像預處理。采用步態(tài)輪廓圖的寬度與高度之比的變化來檢測步態(tài)周期,從而計算出步態(tài)能量圖。2、選取最優(yōu)網(wǎng)絡模型。針對步態(tài)數(shù)據(jù)集CASIA-B選取LeNet網(wǎng)絡模型進行分析參數(shù)初始化方式、激活函數(shù)和卷積核大小對網(wǎng)絡模型性能的影響。通過實驗證明,當選取標準正態(tài)分布為參數(shù)初始化方式,ReLU為激活函數(shù),卷積核大小為5×5時,使得網(wǎng)絡模型的性能更好。在相同的參數(shù)初始化和激活函數(shù)條件下,LeNet相比AlexNet的收斂速度更快而且識別率高。對于殘差網(wǎng)絡模型不僅可以加快網(wǎng)絡收斂速度,... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

激活函數(shù)曲線

的子集。2.2 開閉運算開運算實際上是首先腐蝕然后膨脹的過程，其定義如式(3.10)所示。閉運算是首然后腐蝕的過程。閉運算可以消除微小的黑洞，并填補輪廓中的斷裂，其定義如式示： ( ) ( π ( ) (中， 表示原圖像， 表示結(jié)構(gòu)元素， 表示開運算， π 表示閉運算。因為通過背景減除法從步態(tài)視頻圖像序列中獲取的步態(tài)輪廓圖，存在噪聲、小影響，然而，上述講的四種形態(tài)學運算可以去噪和消除小空洞，所以對步態(tài)輪廓膨脹、腐蝕和開閉運算。如圖 3.2 所示為步態(tài)輪廓圖像進行形態(tài)學處理后的圖像(a) 原圖像 (b) 膨脹后的圖像 (c) 腐蝕后的圖像

保持不動的情況下所采集的，因此圖像中人體步態(tài)輪廓圖的尺寸大小不同且不在圖像的正中央。在步態(tài)特征提取時，不僅要求步態(tài)輪廓圖的尺寸大小一致，而且目標也在同一位置，因此，對步態(tài)輪廓圖進行歸一化處理使得不同運動目標在位置和尺寸大小一致。如圖 3.3 所示，圖(a)為原始人體步態(tài)輪廓圖，圖(b)為人體步態(tài)輪廓最小外接矩形框，圖(c)為歸一化后的步態(tài)輪廓圖。(a) 原圖像(b) 人體步態(tài)輪廓最小外接矩形框

【參考文獻】：
期刊論文
[1]多任務及Resnet網(wǎng)絡在人臉多屬性識別中的應用[J]. 徐培超,陳雯柏,陳祥鳳,韓琥.  小型微型計算機系統(tǒng). 2018(12)
[2]基于塊模型的混合高斯運動目標檢測方法[J]. 趙澤壹,路綱.  計算機技術(shù)與發(fā)展. 2019(01)
[3]基于多特征融合的人體步態(tài)識別算法[J]. 袁浩.  信息與電腦(理論版). 2018(17)
[4]一種改進的基于冪線性單元的激活函數(shù)[J]. 駱訓浩,李培華.  計算機應用研究. 2019(10)
[5]基于改進殘差網(wǎng)絡的人臉識別算法[J]. 曹川,張紅英.  傳感器與微系統(tǒng). 2018(08)
[6]四幀間差分與光流法結(jié)合的目標檢測及追蹤[J]. 劉鑫,金晅宏.  光電工程. 2018(08)
[7]改進Softmax分類器的深度卷積神經(jīng)網(wǎng)絡及其在人臉識別中的應用[J]. 冉鵬,王靈,李昕,劉鵬偉.  上海大學學報(自然科學版). 2018(03)
[8]步態(tài)識別的深度學習:綜述[J]. 何逸煒,張軍平.  模式識別與人工智能. 2018(05)
[9]一種集成卷積神經(jīng)網(wǎng)絡和深信網(wǎng)的步態(tài)識別與模擬方法[J]. 何正義,曾憲華,郭姜.  山東大學學報(工學版). 2018(03)
[10]基于數(shù)學形態(tài)學的差分圖像目標檢測算法研究[J]. 秦雨萍,張雙,張萍,尹福成.  艦船電子工程. 2018(04)

博士論文
[1]基于特征子空間的跨視角步態(tài)識別研究[D]. 徐萬江.蘇州大學 2017

碩士論文
[1]基于步態(tài)的目標識別技術(shù)的研究[D]. 陳峰.北京交通大學 2018
[2]基于卷積神經(jīng)網(wǎng)絡的人臉表情識別算法研究[D]. 楊欣利.蘭州理工大學 2018
[3]基于動靜態(tài)特征融合的多視角步態(tài)識別方法研究[D]. 魏凡.西安科技大學 2018
[4]基于深度學習的人體步態(tài)識別算法研究[D]. 余濤.電子科技大學 2018
[5]基于三維卷積神經(jīng)網(wǎng)絡步態(tài)識別方法的研究[D]. 李影.北京交通大學 2018
[6]基于序列輪廓特征的步態(tài)識別研究[D]. 孫卓.西安科技大學 2017
[7]基于步態(tài)能量圖的身份識別算法研究[D]. 賈令堯.長春工業(yè)大學 2017
[8]基于卷積神經(jīng)網(wǎng)絡的身份識別技術(shù)研究與應用[D]. 王洋.大連理工大學 2017
[9]基于深度學習的步態(tài)識別關(guān)鍵技術(shù)研究[D]. 張誠.北京郵電大學 2016



本文編號：3537998