基于肢体长度参数的多视角步态识别算法

提出了一种基于肢体长度参数的用于多视角情况下的步态识别算法. 利用脚间距计算方法和动态身体分割方法,拟合出场景的转换参数,并以此估计出人运动情况下的5 个肢体长度参数,使用标准的分类器进行分类. 在中科院自动化所提供的NLPR 数据库上做了大量仿真实验,结果表明本方法在人的行走方向相对于摄像机光轴的角度改变时仍然保持了较高的识别率.     

傅里叶变换的多视角步态识别

步态识别作为一种全新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态能量图将一个周期的步态组合在一起,增强了各帧的相关性,减少了噪声的干扰。对步态能量图进行傅里叶变换,利用傅里叶变换的低频分量对多个视角的步态进行识别。在CASIA数据库中进行实验,结果表明算法简单快速,取得了较好的识别效果。     

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。     

多非线性多视角局部保持投影的步态识别

已知样本与待识别样本的视角差异是影响步态识别精度的主要因素,子空间方法将不同视角的步态投影到公共子空间,能有效避免视角差异的影响.但现有方法多通过学习投影矩阵对样本进行线性投影,难以保持多视角步态数据的原始非线性结构.针对于此,本文提出多非线性多视角局部保持投影.先用非线性函数族实现样本的多次非线性投影,再基于局部结构保持原则将不同视角的样本投影到公共子空间,最后在公共子空间中进行最近邻分类识别.在多视角步态库CASIA(B)进行步态识别实验,结果表明本文方法在多种视角组合下优于其它投影方法.     

跨视角步态识别综述

步态识别具有对图像分辨率要求低、可远距离识别、无需受试者合作、难以隐藏或伪装等优势,在安防监控和调查取证等领域有着广阔的应用前景。然而在实际应用中,步态识别的性能常受到视角、着装、携物和遮挡等协变量的影响,其中视角变化最为普遍,并且会使行人的外观发生显著改变。因此,提高步态识别对视角的鲁棒性一直是该领域的研究热点。为了全面认识现有的跨视角步态识别方法,本文对相关研究工作进行了梳理和综述。首先,从基本概念、数据采集方式和发展历程等角度简要介绍了该领域的研究背景,在此基础上,整理并分析了基于视频的主流跨视角步态数据库;然后,从基于3维步态信息的识别方法、基于视角转换模型的识别方法、基于视角不变特征的识别方法和基于深度学习的识别方法 4个方面详细介绍了跨视角步态识别方法。最后,在CASIA-B(CASIA gait database, dataset B)、OU-ISIR LP(OU-ISIR gait database, large population dataset)和OU-MVLP(OU-ISIR gait database, multi-view large population ...     

基于步态的人身份识别技术综述

由于不同的人在身体结构和运动行为方面存在广泛的不同性,步态为人的身份识别提供了独特的线索。对于近年来日益受到普遍重视的基于步态生物特征的人身份识别专题进行了较为详尽的综述,分析了目前所取得的主要成果及其特点,并指出了存在的难题和未来的发展趋势。     

基于贝叶斯网络的步态识别

步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于贝叶斯网络的步态识别方法。首先应用背景差方法获得运动人体侧面二值图像,将侧面像分为七部分来提取特征,采用最大方差法对训练集进行离散化,对各部分分别建立贝叶斯网络,最后利用“投票”规则将网络推理结果进行组合。将该方法在Soton步态数据库上进行试验,取得了比较理想的识别效果。     

步态识别综述

步态识别作为一种新的生物认证技术,通过人的行走方式识别个体的身份。本文首先分析了步态识别的特点及其研究背景;其次,对目前步态识别中涉及到的几项关键技术所采用的方法进行了简单的描述及分类,并分析各种技术的主要优缺点,最后,提出了目前步态识别问题研究中的几个薄弱点,指出进一步研究发展空间。     

步态识别综述

简要回顾了步态识别技术的研究背景及发展历程。重点对近年来步态识别方法的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别方法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

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。     

用行人轮廓的分布直方图分类和识别步态

现有的步态识别方法对行人轮廓匹配的鲁棒性差,识别率不高.提出了一种基于轮廓直方图分布的行人步态识别方法.首先提取行人二值轮廓序列;然后通过人体局部轮廓的点分布直方图获取步态周期;继而构造表达帧间关系的周期步态平面,设计一种直方图分布的描述子获得帧姿态特征值,计算出姿态轮廓特征分布间的Jeffery距离,结合动态时间规整技术获取了测试序列和参考序列间的匹配相似度,最终完成了识别.在Soton步态数据库上进行了实验,提出算法的正确识别率可达87.59%,与相关文献的对比分析表明算法是有效的.     

一种步态识别方法

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上面进行实验取得了较高的正确识别率.     

基于角度直方图的步态识别算法

本文提出了一种简单实用的步态识别算法.该算法使用背景减除的方法检测人的运动区域;然后统计运动区域上像素的角度直方图,提取角度直方图向量作为步态特征;以欧氏距离作为度量,使用标准模式分类器用于步态识别.实验结果表明,本文提出的算法识别性能较高,并具有计算代价小等优点.     

人耳识别技术研究综述

介绍了一种新的生物识别技术--人耳识别.首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法.通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方面,最后提出了展望.     

基于连续隐马尔可夫模型的步态识别

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上进行实验取得了较高的正确识别率.     

步态识别综述

步态识别是生物特征识别领域一个新的研究方向,它旨在根据人们走路的姿势进行身份识别。本文首先对步态识别的影响因素与性能预测进行了概括,然后从运动检测、周期检测、特征提取、识别算法4个方面对当前研究成果进行了全面的综述,最后讨论了当前研究的难点与发展趋势。     

步态识别的深度学习:综述

由于步态容易受到物体遮挡、衣着、视角和携带物等协变量因素的影响,步态识别方法较难获得较优的识别性能.基于端到端和多层特征提取的思想,深度学习近年在步态识别领域取得一系列进展.本文综述深度学习在步态识别中的研究现状、优势和不足,总结其中的关键技术和潜在的研究方向.