步態(tài)識別-課程設(shè)計論-預(yù)覽頁
【正文】 界 ,S(D)表示區(qū)域D 及其 8 連通區(qū)域內(nèi)的所有像素點(diǎn)、令 DD ?dd . 2) 一步細(xì)化之后得到的結(jié)果區(qū)域如下 : 7 ]))(([)]([)( 0 o l do l do l dio l do l dn e w DDSEDEDDSD ??? ?? （ 1） 3) 如果 oldDD ?new ，終止迭代，跳轉(zhuǎn)到第 4)步 .否則 ,令 newold DD ? ，并跳轉(zhuǎn)到第 2）步。掃描線與人體骨架的交叉點(diǎn)即為關(guān)節(jié)點(diǎn)的位置 、這樣可以得到人體的 8個關(guān)節(jié)點(diǎn)： ),(),( ),(),(),(),(),(), 2221 2211an k l ean k e lan k l ean k l e k ne ek ne ek ne ek ne epe l v i spe l v i ss ho ul de rs ho ul dw e rne c kne c khe adhe ad yxyx yxyxyxyxyxyx（ 連接這 8 個關(guān)節(jié)點(diǎn)，得到人體的骨骼化模型，圖 5 示出簡化的人體比例關(guān)系。關(guān)節(jié)點(diǎn)位置中的 x 值通常是固 定不變的、為了簡化運(yùn)算、可以將其去除、留下關(guān)節(jié)點(diǎn)的 y 值信息及肢體角度信息共同構(gòu)成 15 維參數(shù)特征的步態(tài)模式 )進(jìn)一步、為了消除空間尺度不同帶來的影響、需要將這些參數(shù)特征歸一化到區(qū)間 [π/2,3π/2]中。 本算法采用 K 近鄰分類器進(jìn)行模式分類 )由于步態(tài)數(shù)據(jù)具有周期性 )循環(huán)性的特征、因此相似性度量采用基于周期的方法、具體步驟如下 : 1)令訓(xùn)練序列為 },.. .,{ ,2,1,gNgggg XXXX ?，測試序列為 gNpppp NXXXXp },... ,{ ,2,1,?和 pN 分別表示兩序列的幀數(shù) , jiX, 表示第 i 個序列中的第 j 個特征矢量。相似度 Sim 的值越大 ,說明兩個序列越相似。 算法評價采用 CMS 和 ROS 曲線。實驗結(jié)果如表 1 所列 實驗 編號 訓(xùn)練 樣本 測試 樣本 基于形 狀 特性 基于模型 特征 特征級 融合算法 決策級融合算法 加法規(guī)則 乘法規(guī)則 1 25 個快走步態(tài)周期 剩余快走步態(tài)周期 76 2 25 個 剩余 10 慢走步態(tài)周期 慢走步態(tài)周期 3 25 個快走序列 25 個慢走序列 76 4 25 個慢走序列 25 個快走序列 圖 7 實驗 1,(CMU 數(shù)據(jù)庫， Train:fast。Test:fast)的識別校驗性能曲線 五、 結(jié)果討論 1)融合算法確實比單一特征算法的識別率有所提高。 12 六、 總結(jié) 步態(tài)識別的標(biāo)準(zhǔn)數(shù)據(jù)庫以及算法統(tǒng)一評價準(zhǔn)則還沒有制定。所以，如何客觀評估步態(tài)識別算法的性能，是步態(tài)識別的研究難點(diǎn)，也是亟需解決的問題。另外，利用多攝像機(jī)多視角跟蹤拍攝來解決遮擋問題的方法也是很有潛力的一種方法。特別是場景中的人 ,人臉、指紋和虹膜等生理特征識別不再適用 ,而步態(tài)識別作為有效的行為特征 ,不需要任 何交互性接觸就可以實現(xiàn)遠(yuǎn)距離情況下的身份識別。 11 恐怖襲擊以后 ,人們已經(jīng)意識到安全的脆弱性 ,目前各國都高度重視這樣一個問題 ,即如何對國家重要安全部門和敏感場所進(jìn)行全天候、自動、實時 的遠(yuǎn)距離監(jiān)控和身份識別。屆時 ,世界各國均可享受到這一新型識別技術(shù)的好處 ,在各國機(jī)場及其他重要場所的出入口安裝這種機(jī)器 ,結(jié)成一張無形的反恐巨網(wǎng) ,增強(qiáng)人類社會的安全度 ,構(gòu)筑一個和諧、安全的人類家園。步態(tài)評價也是神經(jīng)病學(xué)、風(fēng)濕病學(xué)、矯形學(xué)和康復(fù)醫(yī)學(xué)在日常臨床實踐中的重要方面。 八、 技術(shù)難點(diǎn)及解決途徑 步態(tài)識別是計算機(jī)視覺和模式識別領(lǐng)域內(nèi)一個非常新的研究方向 ,近 10 年來 ,研究者在這方面取得了許多成績 ,但是要設(shè)計并實現(xiàn)一個實用性強(qiáng)的步態(tài)識別系統(tǒng)非常復(fù)雜并且困難。 ,準(zhǔn)確性低于第一代身份識別技術(shù)。 14 復(fù)雜背景的干擾：運(yùn)動目標(biāo)的有效檢測對于目標(biāo)識別、跟蹤和行為理解等后期的處理是非常重要的。常見的方法有最近鄰 (Nearestneighbor,NN)分類、人工神經(jīng)網(wǎng)絡(luò) (Artificial neural work,ANN)及隱馬爾可夫模型 (Hidden markov model,HMM)等 ,這些方法有許多弱點(diǎn)。而人工神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型的理論基礎(chǔ)是經(jīng)典統(tǒng)計學(xué) ,采用的是樣本數(shù)目趨于無窮大時的漸進(jìn)理論。根據(jù)步態(tài)識別的特征來看 ,樣本數(shù)的增加導(dǎo)致特征空間出現(xiàn)擁擠現(xiàn)象 ,個體之間的差別就會縮小。 Murray 等認(rèn)為受傷尤其是腿部的傷害會嚴(yán)重影響一個人的步態(tài)。遮擋現(xiàn)象在實際應(yīng)用中隨時都可能出現(xiàn) ,人的步行存在著攜帶諸如提包、雨傘、背包等足以改變外形、掩蓋部分人體的現(xiàn)象。因此多分類器的混合使用、基于步態(tài)的多生物特征融合、 3 D 人體建模以及利用外部環(huán)境模型等 ,都將是 未來研究發(fā)展的方向 ,也是今后解決步態(tài)識別難題的有效方法。最后 ,提高系統(tǒng)的適用性 ,降低對應(yīng)用環(huán)境的條件限制。 九、 參考文獻(xiàn) 【 1】步態(tài)識別研究現(xiàn)狀與進(jìn)展 _薛召軍 【 2】步態(tài)識別關(guān)鍵技術(shù)研究 _盧官明 【 3】融合理論在步態(tài)識別中的應(yīng)用研究 _柴艷妹
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1