线性插值框架下矩阵步态识别的性能分析

针对现有的步态周期检测方法检测效果不佳以及行走速度变化对步态识别性能有很大影响的问题,提出的基于矩的步态周期检测方法中,Zernike矩需要人体居中、尺度归一的前期预处理过程,而伪Zernike矩具有能描述运动图像的特点,它可以避免人体居中、尺度归一等处理,以便直接测试步态的周期性.根据行走时的两帧之间的特征取决于前一帧和后一帧的特征,提出了基于线性插值的矩阵步态识别算法框架,并且将投影特征、Hough变换特征、Trace变换特征和Fan-Beam映射特征应用在CASIA(B)步态库上,验证了框架的有效性,为解决步态识别问题带来新的方法与思路.这种基于线性插值的矩阵步态识别特征本质上是一种权值不同的能量形式.     

基于视频的正面步态周期检测方法

步态周期是步态的一个重要特征。本文提出了一个新的步态周期检测方法,首先对视频中的单帧图像进行灰度变换,然后计算各像素点在逐帧中的中值,以此作为整个序列图像的背景,用背景减除法提取人体目标,利用数学形态学方法和区域跟踪算法填补二值图像中的空洞,然后利用下肢摆动的面积变化来计算步态周期。本方法计算量小,精确度高,抗干扰性强,对步态的周期检测十分有效。     

用行人轮廓的分布直方图分类和识别步态

现有的步态识别方法对行人轮廓匹配的鲁棒性差,识别率不高.提出了一种基于轮廓直方图分布的行人步态识别方法.首先提取行人二值轮廓序列;然后通过人体局部轮廓的点分布直方图获取步态周期;继而构造表达帧间关系的周期步态平面,设计一种直方图分布的描述子获得帧姿态特征值,计算出姿态轮廓特征分布间的Jeffery距离,结合动态时间规整技术获取了测试序列和参考序列间的匹配相似度,最终完成了识别.在Soton步态数据库上进行了实验,提出算法的正确识别率可达87.59%,与相关文献的时比分析表明算法是有效的.     

应用核独立成分分析进行弱周期性步态识别研究

提出一种基于时空能量图和核独立成分分析的步态特征表达和步态识别方法,利用步态序列图像的非线性特征和高维统计信息,并消除识别算法对时间配准和步态周期定位的依赖,时空能量图集成了步行运动信息中时间与空间变化的特点,并极大地减少了特征的数据量。针对10人值班的涉密场所进行步态识别正确率达到93.9%。实验结果表明该算法具有较好的识别性能和相当低的空间需求和计算量。     

基于视频的步态特征提取技术及其应用

提出一种新的基于视频的步态特征提取技术。首先对从视频流中抽取出帧图像,通过对二值化后的运动帧图像进行尺寸归一化和重心归一化。其次,根据归一化图像的宽高比的周期特性,提取出步态关键帧。最后,根据帧图像构建应用于不同识别算法的步态特征。实验结果表明,该技术简单、直观,具有较好完备性,能够直接应用于基于图像HMM和SVM步态识别算法。     

基于相邻帧差能量图的步态识别研究

在图像预处理阶段,本文提出了一种用步态能量图静态部分去嗓的方法去除较大空洞和缺口嗓声;在步态特征提取阶段,本文提出了一种用相邻帧差能量图来表征步态特征的特征提取方法.首先对步态序列经过标准化处理,得到标准大小的步态图像,然后从标准化的图像序列中计算相邻帧差图序列,最后计算相邻帧差能量图来表征步态特征,结果表明,相邻帧差能量图能够很好的表征步态的动态和静态信息.在分类识别中,本文采用NN分类器进行分类.实验结果表明,本文方法具有较高的识别率.     

基于双特征匹配层融合的步态识别方法

步态识别是根据人类走路的姿态来进行远距离的身份识别。针对轮廓不完整的图 像和关键帧容易造成部分信息丢失而引起的识别率下降问题,提出一种基于双特征匹配层融合 的步态识别方法。步态既有静态图像特征,又有动态速度变化特征,因此本文提出用匹配层融 合方法将静态的 Hu 矩 6 个不变矩特征和动态的帧差百分比特征融合后进行步态身份识别。首 先对一个周期内的归一化步态图像进行 Hu 矩特征以及帧差百分比的特征提取,将 Hu 矩 6 个不 变矩特征描述成一个特征向量,然后运用匹配层融合算法对 2 个特征进行融合;最后使用 K 近 邻分类器进行身份识别。实验表明,该方法较单一方法能够有效地提高步态识别正确率。     

基于下肢轮廓特征的步态周期算法

步态周期是步态的一个重要特征,步态识别是建立在准确的步态周期分割之上的。本文提出了一个基于下肢轮廓的步态周期检测方法,首先对步态序列图像进行灰度化,然后计算各像素点在步态图像序列中的中值,获取整个步态序列图像的背景,提取人体目标后,利用数学形态学方法和区域跟踪算法填补二值化图像中的空洞;采用轮廓跟踪算法获得人体下肢轮廓,并将其转换为对应距离向量,在一个步态系列中利用距离向量范数研究步态周期。本算法计复杂度低,鲁棒性好,精确度高。     

基于近似时空切片向量的步态识别方法研究

提出了一种简单实用的步态识别算法.该算法使用背景减除的方法检测人的行走运动.利用步态的周期性,选取步态图像序列中一个步态周期作近似时空切片处理,提取出步态特征向量.通过经典的PCA方法进行特征空间的计算,提取低维的步态特征.以欧氏距离作为度量,使用标准ENN分类器用于识别.在两个不同数据库上的仿真实验取得了较令人满意的实验结果.实验结果表明本文提出的算法具有对噪声、阴影及背景与前景灰度差别小等问题不敏感和计算代价小等优点.     

基于稀疏表示及分段帧差能量图的步态识别

针对在提取步态轮廓特征时,步态识别算法复杂、运算时间长、难以满足实时性需求的问题,提出了一种基于稀疏表示及分段帧差能量图的步态识别方法.首先,建立改进的分段帧差能量图(SFDEI)作为步态的特征图像;对每个分段的帧差能量图建立字典,采用改进的正交匹配追踪算法对系数快速分解;最后,应用隐马尔可夫模型(HMM)对改进的分段帧差能量图建立步态识别模型.实验采用CASIA B步态数据库,以90视角进行实验.结果表明方法有较高识别率,同时可满足实时性需求.     

面向仿人机器人自然步态规划的人体步行实验分析

自然步态规划方法是实现仿人机器人步态柔顺和能量优化的可行方法,该方法要求对人体步行及其平衡策略进行定量研究．本文分析自然步态规划方法的原理,建立了一套快捷有效的人体步态测试系统,并通过实验建立了人体步行的参数化数据库．实验结果揭示了人体步行的参数化特征及其平衡策略,对于仿人机器人的自然步态规划及控制提供了理论指导．结论特别指出,仅仅通过规划的方式实现仿人机器人的自然步态是不完备的,自然步态的实现必须同仿生控制策略相结合．同时实验结论对于仿人机器人的本体优化设计也提供了参考．     

Improved gait recognition through gait energy image partitioning

Recently, human gait pattern has turned into an essential biometric feature to recognize an individual remotely. Gait as a feature becomes challenging owing to variation in appearance under different covariate conditions (eg, shoe, surface, haul, viewpoint and attire). The covariates may alter few fragment of gait while other fragment stay unaltered, leading to lower the probability of correct identification. To overcome such variation, an improved gait recognition strategy is proposed in this article by gait energy image partitioning and selection processing. Our method involves pre-processing of raw video for silhouette extraction, gait cycle detection, segmentation into different regions, and histogram of gradients feature extraction from selected segments. In this way, the specific features across complete gait cycles are extracted precisely. Finally, recognition is done by using K-NN. The proposed strategy has been assessed using the CASIA B gait database. Our outcomes shows a particular proposed strategy accomplishes high recognition rate and outperforms the advanced gait recognition mechanism.     

蛇形机器人步态产生及步态分析

以简化的Serpenoid曲线为基础,并根据蛇形机器人的3维运动由其水平和怪直两个平面的运动合成的理论,提出了一种蛇形机器人的3维步态产生方法.通过实验验证了各种步态,并在实验中得到了蛇形机器人各种步态的运动特性与相应的运动控制方程参数之间的关系.在实验中,得到了一种新步态,并将其命名为螺旋步态.对于螺旋步态,利用运动...     

基于SVM的步态识别方法综述

步态识别是非接触式生物特征识别领域的前沿课题,通过对人体行走方式的识别以确定个体的身份,在智能视频监控领域有较高的研究价值.步态分类是步态识别过程中的重要任务和关键步骤.首先概述了步态识别过程及分类方法,然后重点对基于支持向量机的步态分类方法进行了综述,分析了基于该方法的最新研究进展,对每个具体研究方法的优缺点进行了对比.最后,指出目前步态识别在实际应用中存在的局限性,并对该领域发展方向进行了展望.     

基于步态加速度的步态分析研究

介绍了基于加速度传感器的便携式步态数据采集模块的设计方案.重点分析了步态加速度信号的特征,以及利用步态加速度的无偏自相关特性提取步态参数方法,并通过分析、对比人单步(左、右脚步)与步态周期间的相关系数,实现了步态对称性的评估.     

基于主支撑腿运动优化的仿人机器人快速步态规划算法

提出一种基于主支撑腿运动优化的快速步态规划算法,利用快速动态步行的特点,规划ZMP(Zero Moment Point)适时地离开质心投影并始终停留在稳定的支撑区域内．规划过程中考虑了仿人机器人摆动足触地时的碰撞,整个步态产生于深度的优化过程．     

傅里叶变换的多视角步态识别

步态识别作为一种全新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态能量图将一个周期的步态组合在一起,增强了各帧的相关性,减少了噪声的干扰。对步态能量图进行傅里叶变换,利用傅里叶变换的低频分量对多个视角的步态进行识别。在CASIA数据库中进行实验,结果表明算法简单快速,取得了较好的识别效果。     

基于图像处理的人体步态信息采集与处理

为了获取健康人体的正常步态信息, 提出了一种快捷有效的获取方法. 通过在下肢关节点处粘贴标记点, 利用摄像机获取正常人行走的图像, 对图像进行二值化处理, 提取出标记点坐标. 经过最小二乘拟合分析可得到人体脚心在一个步态周期内的运动轨迹及运动速度. 最后对下肢康复机器人进行步态规划, 得到下肢康复机器人的步态轨迹及其速度,并对不同年龄人群的步态速度曲线进行了分析. 实验结果表明, 该系统可行性好, 工作稳定, 为下肢康复机器人的运动学分析与控制提供有力的理论依据和验证方法.     

基于腿部三角特征的贝叶斯步态识别方法

提出了一种基于步态序列中腿部三角特征的步态表示方法,在这种特征上用改进的朴素贝叶斯分类方法进行步态识别。选取步幅最大、最小两种情况下的姿态作为关键帧,用三角型模拟其腿部特征,提取三角型模型参数作为步态特征,识别时先分别用KNN和一种改进的N-best取得属性值在训练数据中的对应数值,然后用贝叶斯分类方法识别。在NLPR数据库上使用留一校验方法进行算法验证,实验证明该方法简单快速,而且取得了比较理想的识别效果。     

步态识别中的步态检测与序列预处理

步态检测与序列预处理是步态识别的子课题,在人体检测与分割问题上,分别采用光流法、帧间差分法和背景减除法做对比试验。鉴于各种运动检测算法的有效性和复杂性,最终确定采用背景减除法进行行人的检测与分割。针对室内环境采用直接差分的背景减除方法,而室外环境则采用背景实时更新的背景减除方法。用数学形态学填补二值化图像的空洞;再进行单连通的运动分析,提取人的侧影。为了消除图像尺度对识别的影响,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。本文所采用的步态检测与序列预处理方法对后续的步态识别是有效的。