Choquet模糊积分特征融合的步态识别

研究一种利用Choquet模糊积分对小波矩特征和人体宽度特征进行融合的步态识别算法。该算法对每个步态序列采用背景减除法提取人的二值化的运动轮廓图像序列,利用人体步态周期图像的小波矩特征和宽度特征对提取出的步态轮廓进行描述,得出的小波矩特征和宽度特征根据重要性作为总体特征输入,运用Choquet模糊积分融合选取SVM分类器进行识别,识别结果与最新的线性加权融合识别方法进行比较,结果表明Choquet模糊积分方法有较好的识别效果。     

一种新的步态图像序列分割算法

在运动目标步态识别中,从步态图像序列中提取出完整的人体运动轮廓对特征提取、目标分类和目标识别等有着非常重要的意义。提出了一种新的运动目标分割算法：首先应用改进的块匹配算法进行运动估计;然后运用分水岭算法把当前帧图像分割成许多封闭而不重叠的小区域;最后运用仿射参数模型进行运动块区域合并。在CMU步态数据库中采用基准算法进行的实验表明,运用所提出的算法能够提取出完整的人体轮廓,进一步提高步态识别的识别率。     

基于连续隐马尔可夫模型的步态识别

步态识别作为一种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.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上进行实验取得了较高的正确识别率.     

一种步态识别方法

步态识别作为一种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.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上面进行实验取得了较高的正确识别率.     

基于人体动静态特征融合的步态识别算法研究

提出一种融合步态运动中人体的静态特征和动态特征的步态识别算法:利用背景减除法得到人体轮廓,通过轮廓图像分段距离来表示静态特征;采用步态图像两脚的步幅和步频来表示动态特征;然后对两种特征进行加法融合、最小值融合、最大值融合和Choquet模糊积分融合。实验表明,两种特征融合后的性能优于基于单个特征步态识别算法,融合后识别率提高了5%到10%。     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

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。     

基于特征融合的步态识别算法

步态运动中包含人体形状信息和运动信息,目前步态识别算法多数基于单一信息,不能取得满意的识别结果。利用特征融合的思想,提出一种融合人体轮廓特征和下肢角度特征的步态识别算法。采用傅立叶描述子描述人体轮廓特征;区别于基于模型的运动特征提取方法,依据人体解剖学的知识获取下肢角度,计算代价较小;采用加权融合规则实现两类特征的融合。仿真结果表明,本算法的性能较基于单个特征的算法有明显的提高。     

一种采用高斯模型的步态轮廓分割算法

步态识别中大多采用步态轮廓作为识别特征,因此提取完整封闭的运动人体轮廓以准确表达步态特征是正确识别的前提。本文提出一种采用高斯模型的步态轮廓分割算法。在人的运动方向与摄像机成像面平行和摄像机静止的条件下,假设序列图像所有帧中对应像素点背景时刻的灰度值在时间轴上是高斯分布,而目标时刻不满足这种分布,采用统计推断的方法分割出运动目标轮廓。实验结果表明,本文算法不仅能够提取出完整的人体轮廓,并且能有效地去除噪声,对阴影抑制也有一定效果,能够提高步态识别率。算法直接在RGB空间或灰度空间进行,无需进行颜色空间转换,也无需建立单独的背景图像,计算量小,处理实时性高。     

基于组合特征的步态识别

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。提出了一种融合静态特征与动态特征的步态识别方法,该算法使用小波矩描述步态序列图像的静态特征,接着使用主元分析法对小波矩进行降维,而图像的动态特征则用人体轮廓的3个宽度特征来描述。最后,通过实验证明了该算法的有效性。     

局部轮廓结构编码的笔迹鉴别

提出一种基于滑动窗口的局部轮廓结构特征的文本无关的笔迹鉴别方法。该方法利用概率分布函数对笔迹中出现的各类局部轮廓形状结构的分布进行了描述,并采用卡方距离度量方法对笔迹进行最终的相似性度量。实验结果表明,在包含240人的HIT-MW中文笔迹库上有效地提高了鉴别正确率。     

一种内外轮廓加权的人耳检测算法

为了提高人耳检测中图像匹配的精确性,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统Hausdorff距离和平均Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。     

地质数据的等值线绘制方法研究

等值线图是地质研究工作中的一种重要表示方法,它通过处理一些离散的点来生成连续平滑的地质结构图。但是对于不规则离散数据且有断层存在的情况,等值线的绘制是比较困难的,很难满足实际的需求。在基于断层恢复法的基础上对其进行了一些优化,既考虑到了断层的落差距离,又考虑到了断层的水平断距,使绘制出的等值线图误差更小,更加符合断层的真实情况。方法基于三角网格确定等值点,通过计算出的等值点对进行等值线跟踪,并给出了有断层存在时的等值线处理方法,实验分别给出了有无断层存在时的等值线图,证明了算法的可操作性和可行性。     

基于步态特征的快速身份识别方法

步态是远距离情况下人的身份识别的一个重要的特征,论文提出了一种基于步态特征的快速身份识别方法。用人体的宽度特征来分析步态运动,提取关键帧,对关键帧进行人体轮廓的提取,运用傅立叶描述子提取模板。最后用最近邻法进行匹配,实现人的身份识别。     

基于背部轮廓相关系数算法的淡水鱼种类识别研究

针对淡水鱼种类的自动识别问题,利用机器视觉技术,提出一种基于鱼体背部轮廓相关系数算法的鱼体种类识别方法。首先根据采集的鲫、草鱼、鳊、鲤四种淡水鱼图片,将图像处理方法应用到鱼体背部轮廓的提取上,并采用最小二乘算法对鱼体背部轮廓进行曲线拟合,建立这四种淡水鱼的背部轮廓数学模型;接着对要识别的鱼体,通过机器视觉技术获得鱼体轮廓,并计算提取的鱼体轮廓与建立的四种鱼背部轮廓数学模型的相关系数值,达到对鱼体种类自动识别目地;最后采用提出的方法对市场随机选取的各60条活鱼进行了测试,测试结果表明,该算法简单,识别准确率较高,能够为淡水鱼种类识别方法提供新的思路,提高水产养殖的自动化水平。     

基于统计特征的维吾尔文笔迹鉴别研究

针对目前的笔迹鉴别研究只是单一针对纹理特征和概率分布密度．提出一种采用边缘方向分布特征和LBP纹理特征相融合的笔迹鉴别方法。该方法利用概率密度分布思想从边缘轮廓图像中提取边缘方向分布特征,使用直方图向量提取LBP纹理特征。并且采用几种距离公式进行相似性度量。所提方法简单可行并很好地描述了维吾尔文的书写习惯和特征,取得较好的鉴别结果。     

基于角点检测的图像形状特征提取方法

针对形状标记表示法可能遗漏轮廓曲线上较重要边界点的问题,提出一种基于角点检测的质心距离标记法。该方法采用轮廓跟踪技术获取物体的轮廓曲线,通过角点检测得到曲线上的所有角点,利用质心距离产生形状标记。以最近邻分类和K-中心聚类对其性能进行验证,结果证明了该方法的有效性。     

一种改进的基于Douglas-Peucker原理的轮廓采样算法

文章首先介绍了Douglas-Peucker算法,它是一种经典的曲线简化方法,在此基础上提出了DP算法的一种非递归实现方法,该过程主要是利用队和栈的性质来实现的。结果显示,用这种方法进行目标物体的轮廓采样,通过控制距离容差可以得到对轮廓线不同程度的逼近,不仅能够有效减少物体轮廓的冗余点,提高处理效率,又能够不失真地表征物体的形状。