基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

基于慢时间分割的超宽带雷达步态识别

为了解决室内监控时摄像头的隐私泄露问题和可穿戴设备的侵入性等问题,同时针对传统雷达步态识别算法中的行走条件限制问题,提出基于超宽带（UWB）雷达的自由空间步态识别算法.算法沿慢时间轴对目标行走动作产生的雷达步态信号进行分割产生一系列子信号;对于每个子信号,在距离单元上分别进行傅里叶变换得到距离-多普勒图像,这些距离-多普勒图像前后之间存在时序关系;利用方向梯度直方图算法对属于同一个步态信号的一组距离-多普勒图像进行特征提取,采用长短期记忆网络对得到的特征进行时序建模以获取目标身份分类结果. 实验在空旷的室内环境中进行,对四人的步态分类准确率为79.10%. 结果表明所提出的算法对自由空间中不同个体的步态具有一定的区分能力.     

用时空能量图和小波变换方法表征和识别步态

该文提出一种基于时空能量图和小波变换的步态特征表达和步态识别方法,步态特征由时空能量图经过小波变换后来表示,不必进行严格的时间配准或步态周期的定位。时空能量图将一个序列的多帧图像用一幅灰度图替代,集成了人的运动信息中时间与空间变化的特点,减少了特征的数据量,经证明,时空能量图对噪声不敏感。实验结果表明该算法具有较好的识别性能和较低的空间需求和计算量。     

利用窄波段像素色比的红外弱小目标检测方法

针对单帧红外弱小目标检测中背景抑制残差图中的目标检测问题,提出一种基于窄波段像素色比的残差图融合方法．首先在传统背景抑制获得残差图的基础上,通过计算窄波段图像的像素色比,选取适当的恒定分割率实现目标和杂波的分离,依照特定的融合准则获得信噪比较高的融合残差图;然后应用基于目标体积检测的方法对融合图像中目标能量进行集中,以获取信噪比更高的结果图．该方法的优点在于,弥补了背景抑制后的图像直接阈值分割时受杂波影响大的缺陷,能够有效降低虚警率．     

基于卷积神经网络的步态周期检测方法

针对步态周期检测直接影响到步态识别的计算量和精度的问题,本文基于深卷积神经网络实现步态周期检测,分别通过将步态序列根据周期性进行分类,和将步态序列拟合为正弦函数进行步态周期性检测的方法,对步态周期进行建模.其关键思想是根据步态周期的规律性,将步态起伏作为分类问题或一个正弦函数来建模,步态视频中的每个帧对应一个可以表示其...     

基于规一化割的声呐图像谱抠图分割

针对目前谱图理论应用于声呐图像分割时,效果不够理想的问题,提出一种结合Ncut和谱抠图的声呐图像分割方法.该方法首先通过形态学变换对声呐图像进行预处理,降低复杂背景对分割结果的影响;其次,引入数字抠图技术,通过改变Ncut算法中的拉普拉斯公式得到用于分割的图像透明度估计;最后,通过透明度处理得到最终的声呐图像分割结果.仿真实验证明了所提算法的有效性,与传统的谱图分割方法相比,没有对声呐图像的背景进行分割,并准确提取出了目标区域,得到了更理想且更细致的声呐图像目标分割结果,有利于后期识别.     

基于Ncut的声呐图像谱抠图分割

针对目前谱图理论应用于声呐图像分割时,效果不够理想的问题,提出一种结合Ncut和谱抠图的声呐图像分割方法.该方法首先通过形态学变换对声呐图像进行预处理,降低复杂背景对分割结果的影响;其次,引入数字抠图技术,通过改变Ncut算法中的拉普拉斯公式得到用于分割的图像透明度估计;最后,通过透明度处理得到最终的声呐图像分割结果.仿真实验证明了所提算法的有效性,与传统的谱图分割方法相比,没有对声呐图像的背景进行分割,并准确提取出了目标区域,得到了更理想且更细致的声呐图像目标分割结果,有利于后期识别.     

基于傅立叶描述子和人工神经网络的步态识别

提出了一种基于傅立叶描述子和神经网络的步态识别方法.对于每个步态序列,通过背景减差检测运动目标的轮廓,使用傅立叶描述子对轮廓线进行描述,获取步态特征.运用人工神经网络分析方法,对步态进行自动识别.结果表明所提的步态识别方法具有较高的识别性能.     

身份识别中步态特征的提取

阐述了2种简单有效的基于步态的身份识别方法——基于模型的方法和非基于模型的方法.基于模型的方法利用人体的骨骼化模型,首先对输入的图像序列自动进行背景初始化;然后分割图像中运动人体的侧面影像,并进一步细化为人体的骨骼化模型;接着从模型中提取人体的静态参数以及动态参数作为特征.非基于模型的方法计算图像间的光流场,从光流场中进一步提取可识别特征.将2种方法应用于室内拍摄的视频,实验结果表明,通过提取可靠的步态特征,降低了数据处理的代价,而且得到了较好的识别性能.     

步态能量图的局部纹理特征分析方法

基于步态能量图表示方法,采用纹理特征分析方法对其亮度值的局部空间分布特性进行分析,得到局部变化幅度、局部标准差、局部熵三种纹理特征。采用经典的欧氏距离和最近邻分类器完成分类识别。CASIA步态数据库上的实验结果验证了算法的有效性。     

篮球运动快速位移图像自适应定位方法

针对传统方法在进行篮球位移图像定位时存在计算复杂度高、抗干扰性差、准确性低的问题,提出一种新的篮球运动快速位移图像自适应定位方法.对图像互能量谱进行反转,对得到的背景运动偏移量进行补偿;依据灰度阈值技术,对背景模板和当前帧篮球运动图像进行差分,获取当前帧快速位移区域;将种子像素作为生长起点,将邻域中与种子像素相似的像素聚集起来,得到快速位移目标的最小框,完成定位.结果表明,所提方法得到的定位结果清晰准确,抗干性强扰;在目标出现变形的情况下,本文方法受变形影响小,抗噪能力高,定位精度高.     

一种基于运动分析的步态识别方法

步态识别是新近发展的一种用在身份识别、视频监控等场合的生物特征识别技术.文中提出了一种基于运动分析的步态识别方法,采用线性判别分析和离散余弦变换分析从图像序列中提取的步态特征.采用背景减除技术提取了侧影,利用侧影的宽高变化进行了步态周期分析及行走方向判断;采用一种通过分析侧影宽度变化获取角度信息的肢体角度提取方法获取了步态序列特征;用类间散布矩阵和类内散布矩阵对应的行列式的比值确定特征个数,并采用线性判别分析和离散余弦变换分析了步态特征.在几个常用数据库上进行了实验结果表明,该方法行之有效.     

基于灰度标准差的光流模型的步态识别算法

步态识别主要是通过人体走路的姿势来识别人的身份.提出了一种改进的光流法和隐马可夫模型相结合的技术,使用背景减除和阈值化为目标和背景图像建立模型,由使用灰度标准差筛选的光流法模型提取每一个运动目标的特征,取得时间序列的特征向量,把特征量化和状态分类的结果交给隐马可夫模型来判断运动目标的姿态.仿真实验表明,本算法识别率高,速度快.     

基于BP神经网络模型的遥感图像道路分割处理方法研究

图像分割是军事目标识别的主要处理方法.由于神经网络对于解决目标识别问题具有适合用于高速并行处理系统、可以实现特征空间较为复杂的划分等优势,采用神经网络模型在复杂的遥感图像背景中,识别出宽度很小的道路是较为理想的.在简单介绍BP神经网络模型的基础上,论述了BP神经网络模型在目标识别中关于道路分割问题的处理方法,并以实例证明了采用BP神经网络模型对遥感图像进行分割,得到的结果图像能够从复杂的背景图像中分割出道路,并能清楚地反映道路的方向和分叉,对于遥感图像的目标识别有重要的实用价值.     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

基于统计模型的步态识别

提出一种简单有效的步态识别算法.对于每个步态序列,首先,通过背景减差检测运动目标的轮廓;再计算轮廓质心与边缘的距离,并对其进行归一化;用PCA方法获取归一化距离信号的特征空间;使用时空相关进行相似性度量;最后通过最近邻法进行分类识别,在自己建立的样本数据库中取得了满意的效果.     

基于混合高斯模型的运动目标平均背景法检测

首先采用平均背景法对混合高斯建模获得的背景进行处理得到纯净的背景,然后在当前图像与背景图像之间进行差分运算,最后通过轮廓筛选的方法去除目标图像中的干扰点,并通过形态学处理对目标中的间隙进行填充,获得完整目标。实验结果表明,对于运动目标及停留的目标,该算法的识别率和误检率分别为86.7%和8.3%。     

基于最优轴投影特征的步态识别

提出了一种最优轴投影(OAP)特征来描述步态信息。首先用背景减除法得到序列图像中的轮廓,然后随机选一部分轮廓样本基于主成分分析(PCA)方法训练出最优轴,并基于最优轴提取每个轮廓点的OAP特征。在UCSD和SOTON数据库的实验结果显示,OAP特征包含了丰富的步态信息;和同类型方法相比,本文方法有较高的识别率,计算复杂度减小,识别速度提高。     

基于H.264压缩域的背景建模与前景对象分割

提出了一种在H.264压缩域下进行背景建模和对象分割的方法.首先利用I帧的DC和AC系数信息生成块残差能量图,再通过Intra.预测信息对该能量图进行滤波,最后采用混合高斯模型对背景进行建模并分割出前景对象.实验结果表明,用该背景建模和对象分割方法可以获得很好的分割效果.     

基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.