| 【中文题名】 | 基于支持向量机的步态识别 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-29 |
| 【中关键词】 | 步态识别,中线投影向量（MPV）,主成份分析（PCA）,特征提取,支持向量机（SVM）, |
| 【英关键词】 | Gait Recognition,Midline Projection Vector,Principal Components Analysis,feature extraction,Support Vector Machine, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
步态是指人们行走的姿势,是一种远距离情况下唯一可感知的生物行为特征。与传统的指纹、虹膜、脸像等生物生理特征相比,步态具有难于隐藏和伪装、便于采集和远距离低分辨率识别等优点。但也存在明显的缺陷:当二维平面轮廓成为步态信息的完全表述时,它的唯一性还值得商榷。这也是步态识别率相对较低的关键因素。尽管如此,步态识别作为生物特征识别技术中的一个新兴领域,目前引起了视觉研究者的浓厚兴趣,成为近年来计算机视觉领域中备受关注的前沿方向,是人运动视觉分析的重要内容。对步态识别及其关键技术的研究具有重要的学术价值和实用价值。
步态识别主要是针对含有人的运动图像序列进行分析处理,通常包括目标分割、特征提取与处理和识别分类三个阶段。它在虚拟现实,视觉监控,感知接口中均有广泛的应用前景,本文主要探讨了视觉分析中步态图像序列的检测,特征提取和分类识别等相关问题,并总结了当前步态识别国内外的研究现状和常用的处理方法。
在此基础上,本文提出了把外轮廓沿人体中线投影向量(Midline Projection Vector)作为步态特征和主成份分析PCA(Principal Component Analysis)与支持... |
| 【论文题纲】 |
|
第一章 绪论 |
9-15 |
|
1.1 引言 |
9-10 |
|
1.2 人运动分析系统的现状 |
10-11 |
|
1.3 步态识别研究现状 |
11-12 |
|
1.4 本文的主要研究内容和结构 |
12-15 |
|
第二章 步态识别方法概述 |
15-22 |
|
2.1 运动目标分割 |
15-16 |
|
2.2 特征提取方法 |
16-17 |
|
2.2.1 基于统计特性的特征提取方法 |
16 |
|
2.2.2 基于模型的特征提取方法 |
16-17 |
|
2.3 特征处理及其识别方法 |
17-22 |
|
2.3.1 子空间变换法 |
17-20 |
|
2.3.2 速率Hough 变换(Velocity Hough Transform, VHT) |
20 |
|
2.3.3 步态识别方法 |
20-22 |
|
第三章 支持向量机原理 |
22-28 |
|
3.1 统计学习理论 |
22 |
|
3.2 SVM 基本原理 |
22-23 |
|
3.3 SVM 的数学模型 |
23-25 |
|
3.3.1 线性支持向量机 |
23-24 |
|
3.3.2 非线性支持向量机 |
24-25 |
|
3.3.3 线性不可分情况的处理 |
25 |
|
3.4 SVM 的训练算法 |
25-28 |
|
3.4.1 选块算法 |
25-26 |
|
3.4.2 分解算法 |
26-27 |
|
3.4.3 序列最小优化算法(Sequential Minimal Optimization) |
27-28 |
|
第四章 基于SVM 的步态身份识别 |
28-41 |
|
4.1 目标分割 |
29-31 |
|
4.1.1 背景建模 |
29 |
|
4.1.2 差分后二值化 |
29-30 |
|
4.1.3 步态轮廓处理 |
30-31 |
|
4.2 步态特征提取与处理 |
31-38 |
|
4.2.1 步态空间特征 |
32 |
|
4.2.2 步态时域特征 |
32-36 |
|
4.2.3 特征向量压缩 |
36-38 |
|
4.3 SVM 的方法应用于步态身份识别 |
38-41 |
|
4.3.1 SVM 的训练与测试 |
38-39 |
|
4.3.2 SVM 的具体实现 |
39-40 |
|
4.3.3 核函数及参数选择 |
40 |
|
4.3.4 本章小结 |
40-41 |
|
第五章 实验结果和数据分析 |
41-44 |
|
5.1 实验数据来源 |
41-42 |
|
5.2 实验结果 |
42 |
|
5.3 实验数据分析 |
42-44 |
|
第六章 全文总结及展望 |
44-48 |
|
6.1 本文总结 |
44-45 |
|
6.2 本文展望 |
45-48 |
|
致谢 |
48-49 |
|
参考文献 |
49-53 |
|
| 【DOI】 | LunWen.ID:2.2008.364718 |
