利用动态步态图进行步态识别

基于轮廓的步态识别方法容易受行人的携带物、衣物等遮挡因素的影响。针对这一问题提出了动态步态图。动态步态图将步态轮廓图划分为动态部分和静态部分,更有利于提取受遮挡影响较小的动态步态信息。设计了双路步态识别网络(Bi-Route)提取步态特征,通过增加动态特征占比,稀释静态特征占比降低遮挡物的影响。网络以动态步态图为输入,使用二维卷积分别提取步态序列中的全局轮廓特征和帧级轮廓特征,使用三维卷积神经网络从帧级轮廓特征中提取动态特征。为了验证本方法的有效性,在CASIA-B数据集上进行了评估,在正常(NM)、背包(BG)、穿大衣(CL)条件下的准确率分别达到了92.9%、87.2%和65.6%。结果表明本方法可以降低遮挡、衣物和携带物等对识别准确率的影响。     

融合轮廓增强和注意力机制的改进 GaitSet步态识别方法

针对传统基于轮廓的步态识别方法受限于输入特征及模型特征提取的能力,从而导致识别准确率不高的问题,提出一种融合轮廓增强和注意力机制的改进GaitSet步态识别方法。首先通过预处理获取行人的轮廓图,求得其均值,合成步态GEI能量图,将其作为神经网络模型的输入特征,增强了人体外观的表示。其次在提取特征的过程中引入注意力机制,增强模型的特征提取能力,从而提高步态识别的精度。最后在CASIA-B和OU-MVLP数据集上进行实验,所提方法的平均Rank-1准确率分别为87.7%和88.1%。特别是在最复杂的穿大衣行走条件下,相较于GaitSetv2算法,准确率提升了6.7%,表明所提出方法具有更强的准确性。此外,所提方法几乎没有增加额外的参数量、计算复杂度和推理时间,说明其各模块的快速性。     

基于集成Gabor特征的步态识别方法

步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图是一种有效的步态表征方法.通过提取步态能量图中的动态区域并利用Gabor小波变换对其特征提取,但经过Gabor变换后特征维数较高,必须经过有效的特征融合和选择。由此针对传统的Gabor特征提取后存在特征维数较高的缺点,提出了一种基于集成Gabor特征的步态识别方法。首先,采用均值融合和差分二值编码这两种集成方法,对动态区域Gabor特征图进行多尺度和多角度的集成,获得26张集成Gabor特征图;然后从26张集成Gabor特征图中选出4张作为最终的特征向量;最后将特征向量输入KNN分类器进行步态识别。实验结果表明,基于集成Gabor特征的步态识别方法,能够对步态特征进行有效分离和表达,同时降低维数并紧凑表征数据,对步态信息进行正确归类。     

融合深度图和三维模型的人体运动捕获

对于当前热点的运动捕获方法存在的一些缺点,提出了一种融合深度图和三维模型的人体运动捕获方法。利用Ki‐nect采集深度图像,经过对深度图去除背景,提取轮廓信息,建立轮廓数据库。从深度图中提取三维人体骨架,建立骨架三维模型数据库。输入1组深度图动作序列,经过去背景、提取轮廓特征后与轮廓数据库中的轮廓进行匹配,计算出最小距离所在的匹配序列,输出相应的骨架作为动作捕获的结果。实验证明了这种方法的有效性和可行性,该方法能较精确的得到运动捕获数据。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。     

基于轮廓分析与三阶不变矩的旋转目标定位算法

为了解决当前图像定位算法在识别旋转与缩放工件目标时,存在定位成功率不高的问题,提出了基于轮廓分析与不变矩特征的旋转目标定位算法.首先,采用自适应二值化对图像进行预处理,并遍历图像轮廓,完成轮廓序列提取与面积计算,实现对杂质干扰的排除.然后构建三阶不变矩,计算逐一计算图像轮廓序列的三阶不变矩特征,从而建立定位度函数,与模板目标的不变矩特征比较,完成对旋转缩放工件目标定位.实验测试结果表明,与当前图像定位算法相比,在面对缩放十旋转干扰时,本算法拥有更高的定位成功率与鲁棒性.     

多尺度形态重构的微弱弹道轨迹检测

本文提出了一种多尺度形态重构的微弱弹道轨迹检测方法.该方法先用形态学灰值重构算法对序列图像进行背景估计并作二值化处理,提取出序列图像中的可疑目标.然后根据炮弹的凝聚特性对二值图像进行多尺度形态二值重构,消除二值图像中的大量虚警目标,最后根据炮弹的运动特性进行多帧数据融合检测弹道轨迹.仿真实验表明该方法能稳定检测出序列图像中的微弱弹道轨迹.     

基于支持向量机（SVM）的汽车车型识别

本文研究了一种基于支持向量机(SVM)的车型图像识别算法。采用图像边缘检测方法,该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选像素及其邻域像素的二值模式作为样本集,进行运动目标分割并提取具有RST不变性的轮廓特征向量,输入支持向量机进行训练和识别。此外,该算法与传统的算法比较,使用核函数少,计算量小,能较好地解决小样本、非线性和局部极小点等问题。实验表明,基于支持向量机(SVM)的车型图像识别算法具有更好的性能。     

视频图像动目标检测的双三帧差分算法

三帧差分法进行视频图像动目标检测时利用两个帧差分的结果进行逻辑与运算,进而进行轮廓提取。这种取交集的算法势必会丢掉相互独立的目标轮廓部分,因而容易造成目标轮廓断裂和空洞。为改善算法性能提出了双三帧差分算法,该算法利用连续两次或多次具有交集的三帧差分的结果进行逻辑或运算,采用取并集的方法在最大程度上恢复三帧差分算法提取的动目标轮廓的完整性。基于连续4帧和5帧视频图像给出了算法的具体逻辑结构,仿真实验结果给出了新算法与传统算法的性能指标对比。     

Detection of gait impairment in the elderly using patch‐GEI

We propose a novel method for estimating physical impairment of elderly people using gait. To achieve this, we first investigate which gait feature is effective for this purpose among gait energy image (GEI), duration time, and phase fluctuation as dynamic features. GEI is a popular appearance‐based feature showing high performance in human authentication. By comparison, we find that it is the most reasonable feature. In real situations, however, GEI is easily affected by clothes variations or carrying conditions, so that the use of whole body results in decreasing performance. Considering this problem, we thus propose to use only the GEI features of the most discriminative body patches. From the experiments that evaluate the contribution of various sizes of body patches, we find that head and chest regions perform better than the whole body with the classification accuracy improved from 80.93% to 83.17% for the visual impairment discrimination case. As for the leg impairment detection case, the leg region performs better than the whole body by an accuracy increased from 69.30 to 75.05%. These results confirm the effectiveness of patch‐GEI for impairment detection. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于SIFT和感知哈希改进的CamShift跟踪算法

传统的CamShift仅使用目标的颜色直方图作为特征,因此在相似背景干扰、遮挡、高速运动等情况下容易出现跟踪不准确或丢失跟踪目标的现象。针对上述不足,提出了基于SIFT和感知哈希改进的CamShift跟踪算法。首先,将图像从RGB颜色空间转为HSV颜色空间,分别得出色调和饱和度直方图,并提取图像的边缘梯度直方图进行融合获得目标的融合直方图。其次在CamShift算法框架下得到最优候选目标,若候选目标与目标模板的Bhattacharyya距离大于阈值时,则使用改进的感知哈希算法进行最优候选目标的搜索。然后在下一帧搜索时,在目标和视频序列的高信息熵部分使用SIFT算法进行特征点的提取并匹配从而获取初始搜索窗口,若SIFT算法匹配失败,则使用卡尔曼滤波预测的搜索框作为初始搜索窗口。将该算法首先在OTB-100数据集上和其他常用的跟踪算法进行对比实验,实验结果表明算法能够准确地跟踪目标,跟踪成功率达到了90.1%。将该算法应用于人脸跟踪任务中,并与其他的人脸跟踪算法进行对比实验,实验结果表明该算法具有更好的性能和准确性,跟踪成功率达到了93.5%。     

加权自适应MULBP与2DPCA结合的掌纹识别方法

针对局部二值模式(local binary pattern, LBP)容易受到随机噪声和边缘点对图像的影响,以及局部二值模式描述图像纹理特征时阈值不能自动选取导致鲁棒性差的问题,提出一种基于加权自适应多重均匀局部二值模式(weighted adaptive multiple uniform local binary pattern, WA-MULBP)与二维主成分分析(two dimensional principal component analysis, 2DPCA)相结合的掌纹识别方法。首先采用直方图均衡化(histogram equalization, HE)对掌纹感兴趣区域(region of interest, ROI)图像进行光照预处理,减少成像时的光照变化对最后掌纹识别成功率产生的影响;然后将预处理后的图像分成大小均匀的子块并利用自适应多重均匀局部二值模式(adaptive multiple uniform local binary pattern, A-MULBP)算法获取各个子块的纹理特征直方图和权值;最后,将各个子块的纹理特征直方图和权值相乘串联得到最终的纹理特征直方图,经2DPCA维数约简后采用欧氏距离判别法进行掌纹识别。在香港理工大学PolyU图库、同济和IIT-D非接触式图库、自建非接触图库以及它们的噪声图库上进行对比实验,可获得最低等误率分别为1.879 0%、2.019 2%、2.184 9%、2.663 2%、4.380 3%、4.730 1%、5.005 0%和5.223 7%,且识别时间都在1 s以内。相比其他算法,在保证实时性的情况下,有效提高了识别精度和鲁棒性。     

基于机器学习和图像识别的电力作业现场安全监督方法

针对电力作业现场人员误入危险区域的安全问题，开展人员闯入检测的研究，首先利用梯度方向直方图（histogram of oriented gradient，HOG）和支持向量机（support vector machine，SVM）进行完全帧的人员检测，然后利用基于OpenCV的图像处理技术判断人员是否闯入警戒区域。通过视频监控设备采集作业现场图像，采用上述方法实时识别现场人员及其危险行为，并发出告警信号。实验结果表明，检测结果准确率达到92%，实现了电力作业现场安全监督自动化，显著提升了作业现场安全水平。     

结合残差网络与多级分块结构的步态识别方法

针对步态识别中由于衣着与背包的遮挡造成不能提取有鉴别性的步态特征,从而导致识别准确率不高的问题,提出一 种结合残差网络和多级分块结构的步态识别方法。 首先在水平方向上对步态能量图进行不同尺度的多级分块,以提取不同区 域的细粒度特征,减少局部遮挡对于其他区域的影响,同时为了更好地学习在步态中运动频率最高区域的特征,在腿部加入 Inception 模块;其次为了提升网络模型的识别精度,结合交叉熵损失、三元组损失、L2 正则化对残差网络的权值进行约束。 最 后在公开的步态数据集 CASIA-B 和 OU-ISIR Treadmill B 上进行实验,在携带背包或不同衣着条件下的识别率分别达到了 87. 5%、82. 6%,表明该模型对于衣着与携带背包的条件具有鲁棒性。