發(fā)布時間：2018-01-28 21:06

  本文關(guān)鍵詞： 智能視頻監(jiān)控 步態(tài)識別 人體幾何特征 關(guān)節(jié)點(diǎn)提取 監(jiān)控平臺設(shè)計(jì)開發(fā)　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近幾年全球范圍內(nèi)恐怖襲擊和犯罪活動不斷發(fā)生,各個國家對于社會公共安全越來越重視,視頻監(jiān)控領(lǐng)域因此成為近幾年的研究熱點(diǎn)。人作為視頻監(jiān)控中最重要的主體之一,將同一個人在不同監(jiān)控?cái)z像頭中進(jìn)行有效識別與追蹤具有非常大的應(yīng)用價(jià)值,行人重識別也因此成為了視頻監(jiān)控領(lǐng)域中非常重要的研究方向�；谏锾卣鞯淖R別因其特征的唯一性成為現(xiàn)階段行人重識別的研究重點(diǎn),而步態(tài)特征相對于其他生物特征(比如人臉指紋等)具有可遠(yuǎn)距離觀察、采集方便等優(yōu)勢,在視頻跟蹤和識別等安防場景中,步態(tài)識別將起到越來越大的作用,具有非常廣闊的應(yīng)用前景。論文以步態(tài)識別為研究內(nèi)容,提出了一種基于人體幾何特征的步態(tài)識別算法,同時設(shè)計(jì)開發(fā)了一套面向應(yīng)用的智能視頻監(jiān)控平臺。論文的主要研究工作和貢獻(xiàn)如下:(1)在前人目標(biāo)高度寬度測量的基礎(chǔ)算法上,對消隱點(diǎn)的提取算法以及目標(biāo)高度寬度測量的誤差矯正進(jìn)行改進(jìn),設(shè)計(jì)了一套基于單目視覺的目標(biāo)高度寬度自動測量算法,并應(yīng)用在現(xiàn)實(shí)場景中。實(shí)驗(yàn)結(jié)果顯示高度測量百分誤差約為1%,寬度測量百分誤差約為3%,準(zhǔn)確度較高。(2)提出了 一種側(cè)面視角下基于人體幾何特征的行人重識別方法,人體幾何特征包括身高、步幅寬度以及關(guān)節(jié)角度,并且將人體下半身關(guān)節(jié)點(diǎn)提取算法進(jìn)行改進(jìn),提高關(guān)節(jié)點(diǎn)的定位精度,同時針對步態(tài)識別類間模糊類內(nèi)差大的特點(diǎn),選用了一種基于距離學(xué)習(xí)的分類方法。本文提出的算法在中科院的步態(tài)數(shù)據(jù)集clothes類別上的識別率為56.5%,超越了現(xiàn)有的CGI、bSHI等算法。(3)基于實(shí)驗(yàn)室搭建的視頻監(jiān)控網(wǎng)絡(luò)設(shè)計(jì)開發(fā)了一個智能視頻監(jiān)控平臺,實(shí)現(xiàn)了視頻回放、視頻內(nèi)容篩選以及步態(tài)識別的功能。該智能視頻分析平臺的實(shí)現(xiàn)能夠大大減少人工查看監(jiān)控視頻的時間,提升系統(tǒng)的存儲能力,同時也使得行人重識別過程變得更加自動化。該平臺采用模塊化的方式進(jìn)行開發(fā),能夠?qū)?shí)現(xiàn)的算法或者功能無縫地添加到平臺中,并且應(yīng)用到實(shí)際場景。
[Abstract]:In recent years, terrorist attacks and criminal activities have occurred all over the world, and various countries are paying more and more attention to social public safety. As one of the most important subjects in video surveillance, the identification and tracking of the same person in different surveillance cameras has great application value. Therefore, pedestrian recognition has become a very important research direction in the field of video surveillance. Because of its uniqueness, biometric recognition has become the focus of pedestrian recognition research. Gait features have the advantages of remote observation and easy acquisition compared with other biometric features such as face fingerprint. Gait recognition will play a more and more important role in security scenes such as video tracking and recognition. This paper presents a gait recognition algorithm based on geometric features of human body. At the same time, an application-oriented intelligent video surveillance platform is designed and developed. The main research work and contributions of this paper are as follows: 1) on the basis of the previous algorithm of height width measurement. By improving the algorithm of extracting hidden point and correcting the error of target height width measurement, a set of automatic height width measurement algorithm based on monocular vision is designed. The experimental results show that the error of height measurement is about 1 percent, and the error of width measurement is about 3%. A method of pedestrian recognition based on geometric features of human body is proposed in this paper, which includes height, stride width and angle of joint. And the lower body of the human body node extraction algorithm is improved to improve the location accuracy of the node, and at the same time for gait recognition of the characteristics of large intra-class fuzzy class difference. A distance learning based classification method is selected. The recognition rate of the proposed algorithm on the gait data set clothes category of the Chinese Academy of Sciences is 56.5, surpassing the existing CGI. BSHI and other algorithms. 3) based on the laboratory video surveillance network design and development of an intelligent video surveillance platform to achieve video playback. The realization of the intelligent video analysis platform can greatly reduce the time of manually viewing the monitored video and improve the storage capacity of the system. At the same time, it also makes the pedestrian recognition process more automated. The platform is developed in a modular way, which can seamlessly add the algorithm or function to the platform and apply it to the actual scene.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田光見,趙榮椿;基于傅立葉描繪子的步態(tài)識別[J];計(jì)算機(jī)應(yīng)用;2004年11期

2 田光見;趙榮椿;;一種步態(tài)識別方法[J];計(jì)算機(jī)科學(xué);2005年09期

3 洪文,黃鳳崗,蘇菡;基于連續(xù)隱馬爾科夫模型的步態(tài)識別[J];應(yīng)用科技;2005年02期

4 劉玉棟,蘇開娜,馬麗;一種基于模型的步態(tài)識別方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年09期

5 田光見,趙榮椿;步態(tài)識別綜述[J];計(jì)算機(jī)應(yīng)用研究;2005年05期

6 趙子健;吳曉娟;;基于近似時空切片向量的步態(tài)識別方法研究[J];模式識別與人工智能;2005年05期

7 趙黎麗;侯正信;;步態(tài)識別問題的特點(diǎn)及研究現(xiàn)狀[J];中國圖象圖形學(xué)報(bào);2006年02期

8 許文芳;吳清江;;步態(tài)識別綜述[J];福建電腦;2007年01期

9 彭彰;吳曉娟;楊軍;;基于肢體長度參數(shù)的多視角步態(tài)識別算法[J];自動化學(xué)報(bào);2007年02期

10 韓旭;劉冀偉;么鍵;那幼超;王志良;;一種改進(jìn)的步態(tài)識別方法[J];電子器件;2007年04期

相關(guān)會議論文 前8條

1 鄧玉春;劉世平;;自動步態(tài)識別方法研究綜述[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（上冊）[C];2007年

2 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運(yùn)用下肢關(guān)節(jié)角度信息進(jìn)行步態(tài)識別[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

3 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識別系統(tǒng)研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 張聰;明東;萬柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識別[A];天津市生物醫(yī)學(xué)工程學(xué)會第29屆學(xué)術(shù)年會暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2009年

5 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識別方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

6 葉波;文玉梅;李平;;基于核主元分析和支持向量機(jī)的步態(tài)識別算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 王科俊;閻濤;呂卓紋;;基于耦合度量學(xué)習(xí)的特征級融合方法及在步態(tài)識別中的應(yīng)用[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

8 王科俊;賁f[燁;;基于線性插值的特征模板構(gòu)造的步態(tài)識別算法框架[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 編譯 劉東征;新型“步態(tài)密碼”給手機(jī)加把鎖[N];北京科技報(bào);2005年

2 若水;分析步態(tài)識別身份[N];光明日報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 余杰;基于視頻的人體目標(biāo)跟蹤與識別技術(shù)研究[D];電子科技大學(xué);2016年

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

3 曾瑋;基于確定學(xué)習(xí)理論的人體步態(tài)識別研究[D];華南理工大學(xué);2012年

4 劉磊;基于多源信息的步態(tài)識別算法研究[D];河北工業(yè)大學(xué);2015年

5 張?jiān)?基于序列統(tǒng)計(jì)特性的步態(tài)識別算法研究[D];山東大學(xué);2010年

6 趙國英;基于視頻的步態(tài)識別[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

7 薛召軍;基于小波變換和支持向量機(jī)相結(jié)合的步態(tài)識別新方法研究[D];天津大學(xué);2007年

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

9 顧磊;基于圖像序列的人體步態(tài)識別方法研究[D];南京理工大學(xué);2008年

10 劉海濤;基于立體視覺的步態(tài)識別研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳夏輝;步態(tài)識別的若干關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

2 王奎;一種基于特征曲線匹配的快速步態(tài)識別方法研究[D];大連海事大學(xué);2015年

3 楊亞洲;基于人體輪廓特征的步態(tài)識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

4 馬曉龍;基于MIMU的單兵室內(nèi)導(dǎo)航算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

5 衣美佳;步態(tài)識別關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

6 周浩理;復(fù)雜背景下多特征融合的人體步態(tài)識別研究[D];海南大學(xué);2016年

7 李雪燕;視頻監(jiān)控中人體步態(tài)識別方法研究[D];長春工業(yè)大學(xué);2016年

8 潘秀芳;基于手機(jī)的步態(tài)識別研究[D];燕山大學(xué);2016年

9 羅璨;存在干擾因素情況下的步態(tài)識別統(tǒng)動力學(xué)初步探索[D];蘇州大學(xué);2016年

10 張鵬;耦合度量學(xué)習(xí)理論及其在步態(tài)識別中的應(yīng)用研究[D];山東大學(xué);2016年

，

本文編號：1471566