论文部分内容阅读
随着智能监控系统的应用范围越来越广泛,人们已不满足于其具有的简单监控功能,如何对所观测场景中的事物和人进行监测,并进而对相关人的身份进行认证和识别是近来被广泛关注的一个重要问题。各种基于生物特征的非接触式识别技术应运而生。其中,基于步态的身份识别技术是一种独特的识别技术,它能够在远距离、非侵犯的情况下,依据行人的步态运动特征对其身份进行识别,是现代智能监控系统中最引人入胜的一项生物特征识别技术。论文首先对步态识别的研究现状进行了深入透彻的分析,然后从立体视觉的角度出发,对步态识别问题进行了系统的研究,提出了若干基于立体视觉的步态识别算法,并在此基础上,给出了用于求解步态识别的系统解决方案。论文的创新点和主要工作如下：(1)在国际上首次将立体视觉方法引入到步态识别问题的求解中,建立了基于立体视觉的步态识别系统框架,并给出了相关的系统解决方案。(2)针对目前尚无立体步态数据库可资利用的现状,创建了立体步态数据库PRLABⅠ与PRLABⅡ,为后续研究奠定了基础。上述立体步态数据库可用于对步态特征的有效性和步态识别算法的可行性以及鲁棒性的评估。(3)在步态特征提取方面,提出了一种能够反映人体步态时空变化的步态特征表示方法。首先以图像帧为单位利用立体视觉技术从同步拍摄的立体图对中恢复出运动人体轮廓的三维信息,接着据此构造以三维人体轮廓的质心为参考中心的三维人体轮廓描述子(3D Body Contour Descriptor,3D-BCD),进而用所得到的三维人体轮廓描述子各组成单元的L2范数构造用于分类识别目的的一维步态特征表示(1D Gait Feature Representation,1D-GFR)。考虑到步态运动是一个准周期运动,论文探讨了步态运动周期的检测问题。此外,论文还利用立体视觉技术对被测人体的身高进行了测量,并将实测的身高参数作为步态识别算法中的辅助鉴别特征来使用。(4)在特征降维方面,论文将主分量分析法和流形学习降维法用于步态特征的降维处理以去除步态特征间存在的冗余信息。为了尽可能完整地保留步态特征的内在结构,在流形学习降维中采用了拉普拉斯特征映射。(5)在步态识别算法方面,基于欧氏距离度量,定义了样本序列均值与样本序列模板均值两个参量,并据此构造了用于步态识别目的的最近邻分类器与最近模板分类器。为了验证所提出的步态识别算法的有效性,在PRLABⅠ与PRLABⅡ以及所构建的不规则测试数据集ExN上进行了大量实验。实验结果表明,论文所提出的步态识别算法具有较高的识别率和鲁棒性。