采用不变矩傅氏级数表示的步态识别

步态作为唯一具备远距离识别能力的生物测量特征已经受到广泛的关注。步态序列包含人行走的静态和动态信息,综合利用这两方面信息是提高识别性能的关键。为了综合利用人行走的静态和动态信息来提高识别能力,提出了一种用步态的不变矩傅氏级数系数的幅值作为识别特征的步态识别方法。因为不变矩描述了人运动的静态信息,其在整个步态周期提取的特征则蕴含了人运动的动态信息,所以将不变矩作为识别特征用于步态识别。该方法首先计算每帧图像的不变矩;然后采用傅里叶级数来拟合整个不变矩系数序列,并用遗传算法搜索傅里叶级数系数;接着将这些系数的幅值表示为用于分类的特征向量;最后再用k近邻分类器对特征向量进行分类。通过对CMU步态数据库中的4种步态分别进行的实验结果表明,该方法对单独的矩可取得80%以上的识别率,而对级联的矩识别率则可达到90%以上。另外,该方法对部分遮挡也具有鲁棒性。实验结果和性能分析表明,这种结合静态和动态信息的识别方法是有效的。     

基于不变矩的步态识别

提出了一种利用不变矩进行步态识别的方法。该方法把二维人体空间轮廓信号变换为一维不变矩信号,把人体的步态序列变换为不变矩矢量,对不变矩矢量进行规格化,然后根据规格化不变矩矢量进行步态识别。实验中,本文的方法取得很好的效果。     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法,将视频序列中检测出的步态侧影分为五个子区域,提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征,从而构成描述步态序列的特征向量。最后的实验表明,提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

基于步态能量图和不变矩的身份识别算法

分析步态能量图即具有作为静态的外观特征,又包含了识别的动力学有用信息,同时证明了步态能量图对噪声的不敏感性。文章提出了一种基于步态能量图和不变矩的身份识别算法,介绍了不变矩的基本理论以及Hu提出的七个不变矩,利用图像不变矩的平移、尺度和旋转不变特性,从原始的步态能量图中提取不变矩特征作为步态能量图的输入特征向量,运用不变矩的最小距离分类器的模式匹配进行步态特征分类。最后在CASIA步态数据库上对所提出的算法和其他新的步态识别方法相比较。实验结果表明,提出的算法是一种有效的步态识别方法。     

基于不变矩特征和神经网络的步态识别

步态识别是利用人体步行的方式来识别人的身份.近年来,步态作为一种生物特征识别技术已引起越来越多人们的兴趣.本文提出了一种简单有效的步态识别算法,首先通过背景差方法得到运动人体轮廓,然后利用不变矩描述轮廓特征,最后用BP神经网络方法来进行模板匹配,实现人的身份识别.     

基于混合不变矩的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术.将Zernike矩应用到步态识别中,同时利用小波矩的局部辨析能力,将两种矩结合起来作为识别特征,从而提出一种基于混合不变矩的步态识别方法.为了减少特征向量维数的增加带来的计算复杂度,采用一种改进的BP神经网络用于识别,在保证分类效果的基础上减小计算复杂度.实验结果表明,基于混合不变矩的步态识别方法在识别率上优于基于单一不变矩的方法.     

基于组合不变矩的空间目标识别

本文针对Hu提出的不变矩和Jan Flusser提出的仿射不变矩的不同特点和适用条件，提出在不增加特征向量维数的条件下，将不变矩的部分分量和仿射不变矩组合成一个新的特征向量即组合不变矩，以用于空间目标的识别，并通过仿真实验进行了比较验证，结果表明组合不变矩对于空间目标的识别是有效的，且在一定程度上提高了识别率。     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

智能步态门禁系统实验平台的设计

为探索步态识别技术在实际中的应用.构建了基于步态图像特征进行身份识别的智能门禁系统硬件平台,且开发了相应的门禁系统软件.其技术流程为:首先从摄像机捕获视频输入计算机进行监控,发现后对人体进行检测与跟踪,分割人体轮廓并将其规格化叠加处理获取步态特征图,然后提取包含人体整体模型信息的边界矩参数,以此作为识别参量输入支持向量机(SVM)进行分类识别.为评价步态识别性能,分别对正确识别率(PCR)、错误接受率(FAR)和错误拒绝率(FRR)进行了测试,结果表明该实验平台能较好地时人体目标进行自动监控跟踪、提取步态特征且有效地进行分类识别.     

基于仿射不变矩的三维多面体特征匹配识别

提出一种应用仿射不变矩识别三维多面体的新方法。通过用单幅二维图像信息,利用仿射不变矩和多面体结构图相结合的方法,实现对三维多面体目标识别。后面的房屋识别实验表明,该方法具有很好的有效性和稳定性。     

不变矩在模式识别中的应用研究

矩作为模式的特征在二维图象模式识别中应用很广。该文根据Hu矩、Zernike矩、Pseudo-zernike矩、Legendra矩、旋转矩和复数矩的原始表达式,归纳出适用于计算机处理的矩的一般表达式。接着,引出三次B样条小波矩,依照矩的一般表达式与Zernike矩比较它们作为模式特征的辨别力和可靠性,得出与前人不一样的结论。最后,以实验验证之。     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

相位矩不变量

为了克服矩不变量存在的高阶矩计算不稳定和对噪声敏感的问题,提出一种构造相位矩不变量的方法．通过选取正交基构造相位函数,然后将相位函数作为模型函数生成新的矩不变量．该方法可以将矩不变量这种全局不变量与局部特征进行结合．分析和实验结果表明,该方法可以对不变量进行有效的拓展,并且可以取得优于原不变量的检索结果．     

基于Tchebichef不变距的图形识别

论文提出一种新的基于Tchebichef不变距的图形识别方法,Tchebichef不变距通过对图像进行大小归一化、平移处理以及旋转处理并结合Tchebichef正交距得到;利用提出的Tchebichef不变距作为特征进行图形的识别,和采用Hu不变距以及Zernike不变矩的识别方法相比,无论是在无噪声还是在有噪声的情况下都有更高的识别精度;仿真试验证实了本方法的可行性。     

基于正交盖氏矩和SVM的车牌字符识别

针对传统字符特征提取算法中特征不稳定的缺点,提出一种基于正交盖氏矩的特征提取方法。采用支持向量机解决车牌字符识别问题,自动寻找对分类有较好区分能力的支持向量,由此构成的分类器可以最大化类间间隔,达到正确区分类别的目的。实验结果表明,该方法对于实时视频流中的车牌识别能取得理想效果,在解决有限样本、非线性及高维模式识别问题中表现出优越的性能,且具有适应性强和效率高的特点。     

基于几何矩的字母手势识别算法

提出了一种基于提取字母手势的统计特征的方法,计算各手势图像的几何矩,以形成特征空间,并将之应用到手势识别中去。该算法具有旋转、缩放、及平移不变性的特点,并取得了较好的实验效果。     

图像识别的RSTC不变矩

分析了对比度变化对Hu矩的影响,构造了一种新的不变矩形式,该矩不但具有通常的旋转、尺度缩放以及平移不变性,同时还具有对比度变化不变性。以三类具有旋转、尺度缩放、平移以及对比度变化（RSTC）的目标图像为例进行了识别仿真实验,结果表明新的不变矩形式消除了对比度变化带来的影响,增强了三类图像的类内内聚性和类间可分性,实验结果证明能够对具有RSTC变化的目标图像进行有效识别。