現(xiàn)如今,視頻監(jiān)控行業(yè)發(fā)展迅速。大量監(jiān)控攝像頭帶來了數(shù)據(jù)量的增加,由此出現(xiàn)檢索困難,實時響應差等問題。對視頻監(jiān)控內容進行智能化分析越來越重要,其中,視頻中行人目標身份識別在刑偵檢索、自助服務等方面起到非常重要的作用。步態(tài)識別通過行走姿態(tài)實現(xiàn)身份識別,無需人為配合且適應較遠距離。要將步態(tài)識別技術應用到視頻監(jiān)控中,首要任務是獲取行人的步態(tài)特征表達,需要解決在復雜監(jiān)控場景下獲取行人有效步態(tài)特征問題。因此,針對視頻監(jiān)控下的步態(tài)特征提取,需要解決兩個問題:特征表達選擇及獲取和復雜背景環(huán)境下步態(tài)特征的提取。首先為了避免環(huán)境顏色、光照、拍攝角度等因素對識別的影響,結合步態(tài)識別領域采用的研究對象的廣泛性,選取步態(tài)輪廓圖序列或步態(tài)模板作為步態(tài)特征表達,將特征提取轉化為行人前景和背景區(qū)分問題。然后提出使用傳統(tǒng)的背景建模方式進行處理,針對其存在的問題,提出深度學習語義分割結合檢測和人形快照匹配的方式進行人形圖像分割,以提取步態(tài)特征。最后通過集成步態(tài)識別算法,驗證提取的步態(tài)特征的有效性,并通過實驗對提取方法的有效性進行驗證。實驗測試結果表明,利用提取的步態(tài)特征,步態(tài)識別算法能準確的識別出再次出現(xiàn)的目標,且系統(tǒng)對... 

【文章來源】：華中科技大學湖北省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

二值輪廓圖示例

圖 1-2 輪廓圖序列生成步態(tài)能量圖Bashir 等人提出步態(tài)熵圖[15]表示法，該種方法也基于輪廓圖，主要獲取運動信息外觀的變化具有魯棒性；Feng 等人[16]在 16 年指出步態(tài)能量圖丟失了時間信息，使用基于姿態(tài)估計的卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network, CNN）從單幀中提取出關節(jié)點熱圖（Heatmaps），然后輸入到長短期記憶網(wǎng)絡（Long Short-Teemory，LSTM）中提取時間信息，以此訓練得到步態(tài)序列特征。近兩年，步態(tài)識別

華 中 科 技 大 學 碩 士 學 位 論 文法中設計三個主要的參數(shù)：樣本集數(shù)目 N，閾值 R 和 T，均需人工設定=20，R=20 和 T=2。圖像語義分割景建模法可以看成是對視頻中背景和前景的二分類問題，圖像的語義分機理解圖像意思，直接區(qū)分圖像中不同內容來進行分割，屬于圖像多分類在像素級別分割出不同對象（包括背景類別），對圖中每個像素均進行所分割示例如圖 2-1 所示，來源于 Pascal VOC 2012 數(shù)據(jù)集[30]。

【參考文獻】：
期刊論文
[1]基于深度學習的行人重識別研究進展[J]. 羅浩,姜偉,范星,張思朋.  自動化學報. 2019(11)
[2]步態(tài)識別關鍵技術研究[J]. 盧官明,衣美佳.  計算機技術與發(fā)展. 2015(07)
[3]行人步態(tài)的特征表達及識別綜述[J]. 賁晛燁,徐森,王科俊.  模式識別與人工智能. 2012(01)



本文編號：3614685