基于特征组合的步态识别算法研究

步态识别是通过人走路的姿态进行身份识别,研究提出一种组合步态运动中的人体形状静态特征和动态特征的步态识别算法：使用改进的Hu矩和紧致度表达人体轮廓特征,用于描述步态序列的静态特征：提取大腿间的夹角和长宽比,用于描述步态序列的动态特征;并将这两种特征进行组合处理．实验结果表明：本算法的性能较单一特征的步态识别算法有明显的改善．     

基于Radon变换的特征提取在步态识别中的应用

步态识别主要通过人体走路的姿势来识别人的身份．从经过背景减除后的人体运动图像序列中,根据面积变化确定运动周期,提取人体宽度信息,对下肢进行Radon变换,经处理后提取运动角度信息．对所得到的信息主分量分析变换后进行动态时间规整,采用最近邻分类器分类．该方法可以有效地降低人体运动时身体自遮挡及影子带来的影响．在小数据库上取得了很高的识别率．实验结果表明该方法有效．     

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。     

多重图像轮廓特征结合的步态识别算法

为提高图像步态识别率,研究了一种基于图像轮廓多特征的步态识别算法.该算法首先从图像轮廓的基础上选取了图像步态的3个特征;然后,通过建立不变矩、帧差百分比的动态特征,并结合改进的角度距离的静态特征,实现了图像轮廓特征的提取;最后,通过对传统的K近邻法改进,完成了图像步态识别.实验结果表明:单用静态特征的步态识别率最高为91.94%;结合动态特征,并在改进分类器下获得最高为99.19%的识别率.     

基于Zernike矩和BP网络的步态识别技术研究

步态识别以其非侵犯性,远距离识别性等优点成为视频理解领域的重要研究内容之一。文章提出了一种基于Zernike矩和BP神经网络的步态识别方法,通过步态检测及预处理,采用基于区域的Zernike矩描述子提取运动人体的行为特征,运用BP人工神经网络的方法进行匹配识别,实验结果表明这种识别方法具有较高的识别性能。     

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.     

全身步态模型的视触融合步态识别算法

为减少背包负重、衣着和环境等因素对步态识别率的影响,提出一种融合视觉和触觉特征的全身步态模型。首先,以支撑脚为起点,根据运动传递过程,建立身体各个部分质量与地面支持力的动力学关系,并且通过加速度引入视觉特征;然后,对模型进行参数分离,得到代表不同步态运动特征的特征矩阵,利用Kinect和步道式足底压力仪获得的视觉图像序列和足底压力图像提取视觉和触觉特征,建立包含正常、背包负重和穿大衣3种步态运动状态下的数据库;最后,选择支持向量机中的多分类方法完成步态识别,在识别过程中通过K-CV法对分类器参数进行了寻优。实验结果表明:足底压力分区方式增加了特征识别点,提高了模型识别率;在正常步态运动条件下模型平均识别率为97.31%,在背包和穿大衣的情况下模型识别性能下降比较少。融合视觉和触觉特征建立包含上肢摆动的全身步态模型可以有效提高模型在复杂步态运动条件下的鲁棒性和步态识别准确率。     

步态识别系统设计

使用VC 建立了一个步态识别系统,并详细介绍了各个菜单的功能.系统中所提出的主成分分析与线性判决相结合、傅立叶描述子与BP神经网络相结合的步态识别算法,均可以在本系统中完成验证,并可观察识别效果.     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

基于步态识别的建筑物内多人员目标辨识方法研究

人员的身份辨识及其时空分布是建筑智能化中的基础输入信息。针对建筑物内多人员目标同时辨识的问题,本文设计了基于步态识别的建筑物内多人员辨识（multi-occupant identification based on GaitSet,MOIG）框架。对于通过摄像头采集的建筑物内视频流,该框架首先利用 YOLOv5 和 DeepSort 构建视频中出现的多个人员步态序列,然后利用 DeepLabv3+ 分割模型分割人员步态序列图像,再利用 GaitSet 辨识人员身份。实验表明,该框架在真实场景下的人员辨识准确率可达 75%,与常规方法相比,性能提升显著。     

Gait recognition method based on spatial-temporal convolution

As a unique biological characteristic that can be recognized from a distance,gait has a wide application prospect in the fields of identity identification,public security and medical diagnosis.However,the accuracy of gait recognition will be affected by external factors,such as the shooting angle,the pedestrian’s wearing and the change in the status of carrying a bag.Based on the above problems,this paper puts forward the gait recognition method based on spatial-temporal convolution,which uses the convolution neural network to extract gait features,and employs the repeated extraction of the gait features of adjacent frames to make up for the missing information,so that more spatial-temporal information can be obtained.Finally,the proposed method is validated on the CASIA-B dataset.Experimental results show that the proposed method can improve the rank-1 accuracy when a pedestrian walks normally,carrying a bag and wearing a coat.     

基于小波变换说话人识别技术的研究

提出了基于小波变换理论的说话人识别算法———小波基包法 .利用小波变换多分辨的特性 ,提取出真正地反映基音周期变化的基频包络 ,从声学语音学的角度去认识方言和口音 ,首次提出了汉语口音的参量表征 ,并应用到说话人识别当中 ,以实现从听觉的角度出发 ,进行说话人的先天特性与后天特性相结合的说话人识别 .结果表明 ,从基频包络中可以表现口音的一些表征 ,有助于认识说话人的特性 .     

基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.     

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。     

一种图像纹理特征检索算法

提出一种基于Radon和小波变换的图像纹理特征检索算法,对原始图像进行坐标系的旋转校正,确定方向归一化的图像,再对方向归一化后的图像进行Radon变换．根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性．采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此进行图像检索．基于纹理特征的试验结果表明,该特征具有旋转、平移和尺度不变性,与RIM算法相比平均检索率提高了3.8％．     

图形识别的有限自动机方法

针对工程图中具有某种特殊意义的图形符号(如粗糙度、标高符号等),研究了确定性有限自动机识别矢量图形的方法.从DFA出发,构造待识别图形符号的状态集合以及状态间的转换关系,然后通过搜索图形元素集合以及一定的条件进行状态转换,根据其最终所处状态判断识别结果.     

基于自组织神经网络的特征识别

针对CAD、CAM中的特征识别问题,在特征的属性邻接图表达方法的基础上,根据特征建立的历史过程提出了特征森林的概念,作为识别的启发式信息。采用自组织神经网络识别特征。依据识别特征的规模动态确定自组织神经网络输入神经元的维数,并给出了一种矢量化方法。实验实例证明了本文方法的有效性,从而为特征识别和维护提供了一种新的有效方法。