一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术，它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法，将视频序列中检测出的步态侧影分为五个子区域，提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征，从而构成描述步态序列的特征向量。最后的实验表明，提出的方法具有较好的识别性能，是一种有效的步态识别方法。     

基于混合不变矩的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术.将Zernike矩应用到步态识别中,同时利用小波矩的局部辨析能力,将两种矩结合起来作为识别特征,从而提出一种基于混合不变矩的步态识别方法.为了减少特征向量维数的增加带来的计算复杂度,采用一种改进的BP神经网络用于识别,在保证分类效果的基础上减小计算复杂度.实验结果表明,基于混合不变矩的步态识别方法在识别率上优于基于单一不变矩的方法.     

基于双特征匹配层融合的步态识别方法

步态识别是根据人类走路的姿态来进行远距离的身份识别。针对轮廓不完整的图 像和关键帧容易造成部分信息丢失而引起的识别率下降问题,提出一种基于双特征匹配层融合 的步态识别方法。步态既有静态图像特征,又有动态速度变化特征,因此本文提出用匹配层融 合方法将静态的 Hu 矩 6 个不变矩特征和动态的帧差百分比特征融合后进行步态身份识别。首 先对一个周期内的归一化步态图像进行 Hu 矩特征以及帧差百分比的特征提取,将 Hu 矩 6 个不 变矩特征描述成一个特征向量,然后运用匹配层融合算法对 2 个特征进行融合;最后使用 K 近 邻分类器进行身份识别。实验表明,该方法较单一方法能够有效地提高步态识别正确率。     

采用不变矩傅氏级数表示的步态识别

步态作为唯一具备远距离识别能力的生物测量特征已经受到广泛的关注。步态序列包含人行走的静态和动态信息,综合利用这两方面信息是提高识别性能的关键。为了综合利用人行走的静态和动态信息来提高识别能力,提出了一种用步态的不变矩傅氏级数系数的幅值作为识别特征的步态识别方法。因为不变矩描述了人运动的静态信息,其在整个步态周期提取的特征则蕴含了人运动的动态信息,所以将不变矩作为识别特征用于步态识别。该方法首先计算每帧图像的不变矩;然后采用傅里叶级数来拟合整个不变矩系数序列,并用遗传算法搜索傅里叶级数系数;接着将这些系数的幅值表示为用于分类的特征向量;最后再用k近邻分类器对特征向量进行分类。通过对CMU步态数据库中的4种步态分别进行的实验结果表明,该方法对单独的矩可取得80%以上的识别率,而对级联的矩识别率则可达到90%以上。另外,该方法对部分遮挡也具有鲁棒性。实验结果和性能分析表明,这种结合静态和动态信息的识别方法是有效的。     

基于统一Hu和支持向量机的步态识别

为了快速准确地进行人体运动步态识别,基于人体轮廓统一Hu矩的不变矩特征,提出了一种新的步态识别算法。该算法首先对每个序列进行运动轮廓提取,然后计算每个序列的不变矩,构成步态特征空间;在此基础上采用支持向量机训练步态,最后用支持向量机进行步态识别。实验结果表明,该算法具备快速、稳健的特征,取得了较好的识别率,初步具备了实际应用的价值。     

基于稀疏表示及分段帧差能量图的步态识别

针对在提取步态轮廓特征时,步态识别算法复杂、运算时间长、难以满足实时性需求的问题,提出了一种基于稀疏表示及分段帧差能量图的步态识别方法.首先,建立改进的分段帧差能量图(SFDEI)作为步态的特征图像;对每个分段的帧差能量图建立字典,采用改进的正交匹配追踪算法对系数快速分解;最后,应用隐马尔可夫模型(HMM)对改进的分段帧差能量图建立步态识别模型.实验采用CASIA B步态数据库,以90视角进行实验.结果表明方法有较高识别率,同时可满足实时性需求.     

基于组合特征的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术。提出了一种融合静态特征与动态特征的步态识别方法,该算法使用小波矩描述步态序列图像的静态特征,接着使用主元分析法对小波矩进行降维,而图像的动态特征则用人体轮廓的3个宽度特征来描述。最后,通过实验证明了该算法的有效性。     

应用核独立成分分析进行弱周期性步态识别研究

提出一种基于时空能量图和核独立成分分析的步态特征表达和步态识别方法,利用步态序列图像的非线性特征和高维统计信息,并消除识别算法对时间配准和步态周期定位的依赖,时空能量图集成了步行运动信息中时间与空间变化的特点,并极大地减少了特征的数据量。针对10人值班的涉密场所进行步态识别正确率达到93.9%。实验结果表明该算法具有较好的识别性能和相当低的空间需求和计算量。     

基于关键帧能量固定的步态识别

步态作为一个新兴的生物特征,具有广泛的应用前景。现阶段比较成熟的非模型化方法步态能量图,能将一个步态序列表示为单幅的灰度图像,对噪声有较好的鲁棒性和较好的识别效率,但是不能很好的适应人行走速度的改变。因此,本文提出了一种基于关键帧能量固定的步态识别方法。该方法在步态能量图的基础上,对步态序列的关键帧进行了能量固定,将步态能量图转变成为能量固定后的步态能量图再进行特征的提取和识别。实验结果表明,该方法相对传统的步态能量图,能更好的适应速度对识别的影响。     

Choquet模糊积分特征融合的步态识别

研究一种利用Choquet模糊积分对小波矩特征和人体宽度特征进行融合的步态识别算法。该算法对每个步态序列采用背景减除法提取人的二值化的运动轮廓图像序列,利用人体步态周期图像的小波矩特征和宽度特征对提取出的步态轮廓进行描述,得出的小波矩特征和宽度特征根据重要性作为总体特征输入,运用Choquet模糊积分融合选取SVM分类器进行识别,识别结果与最新的线性加权融合识别方法进行比较,结果表明Choquet模糊积分方法有较好的识别效果。     

Orthogonal variant moments features in image analysis

Moments are statistical measures used to obtain relevant information about a certain object under study (e.g., signals, images or waveforms), e.g., to describe the shape of an object to be recognized by a pattern recognition system. Invariant moments (e.g., the Hu invariant set) are a special kind of these statistical measures designed to remain constant after some transformations, such as object rotation, scaling, translation, or image illumination changes, in order to, e.g., improve the reliability of a pattern recognition system. The classical moment invariants methodology is based on the determination of a set of transformations (or perturbations) for which the system must remain unaltered. Although very well established, the classical moment invariants theory has been mainly used for processing single static images (i.e. snapshots) and the use of image moments to analyze images sequences or video, from a dynamic point of view, has not been sufficiently explored and is a subject of much interest nowadays. In this paper, we propose the use of variant moments as an alternative to the classical approach. This approach presents clear differences compared to the classical moment invariants approach, that in specific domains have important advantages. The difference between the classical invariant and the proposed variant approach is mainly (but not solely) conceptual: invariants are sensitive to any image change or perturbation for which they are not invariant, so any unexpected perturbation will affect the measurements (i.e. is subject to uncertainty); on the contrary, a variant moment is designed to be sensitive to a specific perturbation, i.e., to measure a transformation, not to be invariant to it, and thus if the specific perturbation occurs it will be measured; hence any unexpected disturbance will not affect the objective of the measurement confronting thus uncertainty. Furthermore, given the fact that the proposed variant moments are orthogonal (i.e. uncorrelated) it is possible to considerably reduce the total inherent uncertainty. The presented approach has been applied to interesting open problems in computer vision such as shape analysis, image segmentation, tracking object deformations and object motion tracking, obtaining encouraging results and proving the effectiveness of the proposed approach.     

Novel moment invariants for improved classification performance in computer vision applications

A novel set of moment invariants based on the Krawtchouk moments are introduced in this paper. These moment invariants are computed over a finite number of image intensity slices, extracted by applying an innovative image representation scheme, the image slice representation (ISR) method. Based on this technique an image is decomposed to a several non-overlapped intensity slices, which can be considered as binary slices of certain intensity. This image representation gives the advantage to accelerate the computation of image's moments since the image can be described in a number of homogenous rectangular blocks, which permits the simplification of the computation formulas. The moments computed over the extracted slices seem to be more efficient than the corresponding moments of the same order that describe the whole image, in recognizing the pattern under processing. The proposed moment invariants are exhaustively tested in several well known computer vision datasets, regarding their rotation, scaling and translation (RST) invariant recognition performance, by resulting to remarkable outcomes.     

基于分数阶矩的仿射不变特征提取

仿射不变的特征提取在目标识别和配准中起关键作用, 图像矩是提取仿射不变特征的重要方法, 高阶矩对噪声较敏感, 实际中仅有几个由整数阶矩构造的仿射不变量可用. 本文引入分数阶矩, 它由变形累次积分定义, 不仅充分利用仿射变换映直线为直线这一特性,而且能方便地消除仿射变换前后极角因子的影响. 利用分数阶矩给出了仿射不变量的构造, 传统矩构造的不变量仅是这种构造的特例. 实验结果表明低次矩构造的不变量一般有较好的抗噪性能.     

一种基于BP网络的错帖检测新算法

提出了一种基于BP神经网络与图像不变矩的页面识别方法。应用规则矩的快速算法对一幅图像计算,将得到的7个图像矩不变量作为识别特征向量,输入到BP神经网络中进行识别,并最终确定出分类对象以达到对页面文字、图形以及图文的识别。通过实验仿真表明应用文中的方法能够对页面进行快速的训练与识别,既得到了较高的识别率,又满足了实时性要求。     

线性插值框架下矩阵步态识别的性能分析

针对现有的步态周期检测方法检测效果不佳以及行走速度变化对步态识别性能有很大影响的问题,提出的基于矩的步态周期检测方法中,Zernike矩需要人体居中、尺度归一的前期预处理过程,而伪Zernike矩具有能描述运动图像的特点,它可以避免人体居中、尺度归一等处理,以便直接测试步态的周期性.根据行走时的两帧之间的特征取决于前一帧和后一帧的特征,提出了基于线性插值的矩阵步态识别算法框架,并且将投影特征、Hough变换特征、Trace变换特征和Fan-Beam映射特征应用在CASIA(B)步态库上,验证了框架的有效性,为解决步态识别问题带来新的方法与思路.这种基于线性插值的矩阵步态识别特征本质上是一种权值不同的能量形式.