基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

一种轮廓变化图像小波矩的步态识别

针对计算机视觉中的步态图像提取问题,提出了一种基于行人轮廓变化的人体步态识别方法.对图像序列进行预处理,提取并采样行人轮廓,通过分析基于区域直方图的运动信号来估计2个单步长度,叠加前后帧间的新增轮廓区域和消失轮廓区域,从而构造出2组运动历史图像,并用其表达行人的步态特征,最后采用小波矩不变量提取这2组图像的特征,以作分类和识别之用.经Soton数据库实验表明,所提算法能很好地体现步态的时变信息和空间信息,大大降低了计算维数,所用小波矩的特征向量不仅具有平移、缩放和旋转不变性,而且具有局部性和多分辨率特征,正确识别率可达88.20%.     

基于支持向量机的人体轮廓特征的识别

首先,应用背景差方法分割出运动人体轮廓,对外轮廓沿人体中线投影可以得到前后两个向量,合成1D向量作为步态特征。为有效抑制观察视角及鞋帽服饰等外界因素的干扰,克服目前常用整体模型步态识别算法的不足,提出将人体轮廓面积特征与支持向量机分类器相结合的识别方法。该方法在步态序列图像的人体轮廓进行提取和规格化,将轮廓图叠加后进行网格式划分,提取轮廓单元模块面积作为步态特征识别参量。使用南佛罗里达大学的步态数据库,分别采用线性、多项式和径向基内核函数对不同外界因素条件下的数据进行实验,该方法的正确识别率为82％～100％,且对视角及鞋帽服饰的干扰不敏感,具有更强的鲁棒性。实验表明人体轮廓面积更能反映步态特征,将该面积特征与SVM分类相结合可以获得更好的识别性能。     

基于积极性区域的红外步态识别方法研究

红外步态图像具有可见度和对比度低的特点,易造成预处理后人体目标分割残缺不全,从而影响步态识别的性能。针对此问题,提出一种基于积极性区域的红外步态识别方法。首先通过将平均步态图像(AGI)划分成头、手臂、躯干、大腿、前腿、后腿和脚等7个区域,然后使用基于Gabor的区域协方差矩阵方法提取每个区域的特征,识别时使用其中6个处理效果相对完好的区域信息,从而剔除了残缺区域对识别结果的影响。该方法在CASIA的红外夜间步态库上进行了测试,取得了较好的识别效果。最后进一步分析了人体各个区域对识别的影响和作用,并提出了积极性区域的概念,用于红外步态识别。实验结果和分析结果表明,本文方法鲁棒性好且有效。     

基于关键点运动轨迹建模的步态识别

步态信息作为一个新兴的生物特征,在医疗、刑侦等方面具有广泛的应用前景.研究者已经提出了很多种步态识别方法,但普遍存在适应性不强、特征描述过于复杂或缺乏可解释性等问题.针对此问题,首先,通过改进三帧差分完成对视频图像中人体轮廓的提取;然后,基于人体轮廓图获取人体骨架模型,通过骨架模型得到所需的人体关键点位置,并对视频图像中同一关键点的位置轨迹进行曲线建模;最后依据关键点轨迹曲线模型建立一种以模型参数作为步态特征向量的步态特征描述方法,并在此基础上选取合适的分类方法进行步态识别.实验结果表明,基于关键点运动轨迹模型的步态特征表达能够很好地描述步态信息,识别率也相对较高.     

静态特征和动态特征融合的步态识别

提出一种融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矩表达人体轮廓特征,用于描述步态序列的静态特征;依据人体解剖学的知识定位下肢关节点,并提取两脚间的步幅,用于描述步态序列的动态特征;最后,将这两种特征进行组合处理。实验结果表明本文的算法具有不错的识别效能。     

基于运动段分类的人体轮廓提取方法

基于运动段分类的思想,提出一种人体轮廓提取方法.首先通过离散轮廓演变(DCE)提取场景各像素点所对应的运动段,然后在特征子空间(PCA)内对图像包含的运动段进行分类,最后去除属于背景类的运动段得到人体轮廓.在场景包含了其他运动干扰(如车辆、树叶、雨滴等)的情况下,该方法也能够高效地分割出人体轮廓区域.对USF室外步态序列的实验结果表明,经过运动段分类之后的人体轮廓提取效果较分类之前有明显改善.     

监控视频中基于人体关键点的步态识别研究

步态识别作为一种行为特征识别技术,相对于人脸识别具有图像分辨率要求低、可远距离识别、可夜间识别等优点,在视频侦查领域有广阔的应用前景。本文提出一种基于监控视频中人体轮廓关键点与质心之间位置关系特征表示,利用BP神经网络进行分类的步态识别方法。基于CASIA Dataset B进行实验,实验结果验证了所选步态特征的可行性,实现了较高的步态识别效果。     

一种基于步态特征的身份识别方法

提出了一种基于步态特征的身份识别方法。首先用背景减除方法检测行人的轮廓;然后将二维的人体轮廓转换为一维的不变矩信号,把人体的步态序列变换为不变矩矢量;最后规格化不变矩矢量,采用最近邻法进行识别。实验结果表明该方法有好的识别性能。     

改进的谱特征和足底边缘距离的步态识别

针对足底压力分布一般呈非线性变化,使用压力点特征来描述步态信息的鲁棒性不高、很难取得较好的应用效果,提出一种改进的谱特征与足底边缘距离特征相结合的静态触觉步态识别方法.该方法首先对压力测试板采集的裸脚静止足底压力图像进行预处理,包括提取关键帧数据、分区域等;其次,将Laplace谱特征、足跟部和脚前掌部分边缘轮廓到整足的几何中心点的欧式距离以及整足的几何中心点坐标作为最终的识别特征;最后,利用一对一的支持向量机(SVM)对30人的步态数据进行步态识别实验,以左、右脚都正确识别作为最终的识别结果,实验结果表明该方法能取得较高的识别率.     

一种改进型圆盘法提取手形特征点的新方法

现有手形指根和指尖点提取方法对手形图像有较高的摆放要求.针对自然摆放的手形图像,提出一种改进的圆盘法算法提取手形特征点.首先,利用数码相机对手形图像进行采样并进行灰度化与二值化;然后,提取手形图像的单像素轮廓;最后,提出改进型的圆盘法提取手形图像的指尖点和谷点.通过对包含155人共310副手形图像的验证,实验结果表明,提出的算法与方法可有效提取单像素手形轮廓线,对手形图像的指尖点与谷点的正确提取率分别为95.6%和94.8%.提出的方法克服了传统圆盘法提取高分辨率手形图像特征点效率低的缺陷,避免手指张开程度对算法可靠性的影响,体现了方法的优越性.     

基于连续隐马尔科夫模型的步态识别

步态识别主要是通过人体走路的姿势来识别人的身份，近来年，步态作为一种生物特征识别技术备受计算机视觉研究者的关注．给出了基于连续隐马尔科夫的步态识别方法：研究了静止背景下人体步态的检测以及基于步态的人体身份识别技术，主要包括背景建模、人体检测、轮廓特征提取及连续隐马尔科夫识别和分类．在小数据库上取得了超过95％的识别率；实验结果表明，本方法有效．     

基于亮度感知的前景提取

前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型。该模型依据像素对的亮度视觉相关性,联合视觉区域内相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓。相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量。     

基于关键帧轮廓特征提取的人体动作识别方法

为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法.由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类.在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性.相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率.此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集.     

A Smart Mathematic Morphology Method for Recognition and Understanding of Airfield

0Introduction Recognitionandunderstandingoftargetsisaverysignificantbutdifficulttaskinthefieldofcomputervisionandartificialintelli gence.Sometypicalstructuralobjectssuchas airfields,bridgesandothersareoftenrequiredtobedetectedandrecognizedinautomatictar g…     

二值图像中目标物体轮廓的边界跟踪算法

分析了二值图像识别中常见的边界跟踪算法,在此基础上提出一种通用性强的边界跟踪算法,能够根据上一边界点的位置判断轮廓走向.在搜索下一个边界点时,只需要对候选的5个点进行判断,便可以找到下一个边界点的位置,从而减少了搜索的次数,使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可以一次扫描得到其轮廓信息.实验表明,算法不仅速度快,而且轮廓识别准确.对于目标物较复杂的图像,算法更能体现出其优越性.     

人机交互过程中数字手势的识别方法

为了获得简单、高效的数字手势识别方法,增加使用者舒适的体验,提出一种基于Kinect融合深度信息和骨骼信息的数字手势识别方案.首先,使用Kinect进行深度数据的采集,建立深度图像;其次,结合骨骼追踪系统,提取人体轮廓,运用深度阈值法从轮廓中分割出手部区域,并进行二维图像的重建;再次,利用手腕和手掌骨骼点准确分割出手掌区域,并运用图像形态学开运算进行处理,得到不含手指的图像,进而提取掌心坐标;最后,计算半径,确定掌心圆,采用圆的边界和手指相交次数的方式识别手指个数.实验结果表明:数字手势识别方案能够准确、高效地识别数字手势.     

受限玻尔兹曼机的步态特征提取及其识别

针对步态识别问题,研究了受限玻尔兹曼机的步态特征提取及其识别.主要基于行人图像序列,通过背景分割、归一化以及步态周期的计算,采用叠加方法生成步态能量图,以此作为步态的特征图像,利用受限玻尔兹曼机自动获取步态特征.选取中科院CASIA步态数据库以及支持向量机、孪生支持向量机、神经网络与K-近邻方法对使用受限玻尔兹曼机方法的特征提取进行了研究,同时与主成分分析PCA、线性判别分析LDA、卷积神经网络CNN特征提取与识别方法进行了比较.