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。