近年來,隨著信息化和數(shù)字化社會(huì)的快速發(fā)展,許多領(lǐng)域采用生物特征的身份識(shí)別技術(shù)來保障公共安全及個(gè)人。其中人體步態(tài)由于可遠(yuǎn)距離識(shí)別、不易偽裝、無需配合等特點(diǎn)實(shí)現(xiàn)了對(duì)目前生物特征識(shí)別的進(jìn)一步完善,在安全領(lǐng)域,人體步態(tài)發(fā)揮重要的作用。因而,在身份識(shí)別研究中,基于人體步態(tài)身份識(shí)別日益受到關(guān)注,并且有越來越多的步行識(shí)別算法被提出并得到完善。本文研究了基于人體骨架的跨視角步態(tài)識(shí)別算法,并從以下幾個(gè)方面對(duì)步行識(shí)別算法展研究:（1）改進(jìn)人體骨架提取算法:本文將人體姿態(tài)估計(jì)中比較權(quán)威,并且常用的Openpose算法應(yīng)用到步態(tài)識(shí)別領(lǐng)域中,這個(gè)算法的好處就是省去了復(fù)雜的步態(tài)視頻或者步態(tài)序列的預(yù)處理環(huán)節(jié),可以直接通過圖片或者實(shí)時(shí)的提取出來人體骨架特征和關(guān)節(jié)點(diǎn)信息。針對(duì)實(shí)驗(yàn)中出現(xiàn)的問題,對(duì)Openpose算法進(jìn)行改進(jìn),減少了網(wǎng)絡(luò)中的參數(shù),并在有關(guān)鍵點(diǎn)標(biāo)準(zhǔn)的LSP數(shù)據(jù)集上進(jìn)行驗(yàn)證對(duì)比。同時(shí)也對(duì)步態(tài)數(shù)據(jù)庫中的步態(tài)序列進(jìn)行了骨架提取,進(jìn)行實(shí)驗(yàn)對(duì)比,修正了之前出現(xiàn)的問題。（2）步態(tài)視角的轉(zhuǎn)換:因?yàn)椴綉B(tài)序列在90°視角拍攝出來的圖像特征最明顯,最易識(shí)別。本文利用可以把與步態(tài)視角無關(guān)的特征向量轉(zhuǎn)換到指定角度的VTM算法進(jìn)行步... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

USF數(shù)據(jù)庫Fig.1-1USFdatabase

中北大學(xué)學(xué)位論文51.3步態(tài)數(shù)據(jù)庫步態(tài)識(shí)別能夠成功的一個(gè)關(guān)鍵性因素就是能夠有足夠多的訓(xùn)練樣本進(jìn)行學(xué)習(xí)訓(xùn)練，并且實(shí)現(xiàn)步態(tài)識(shí)別的方法的是否可行有效也一定程度上取決于步態(tài)數(shù)據(jù)集，因此步態(tài)數(shù)據(jù)庫的選擇和使用也是很重要的。步態(tài)數(shù)據(jù)庫一般需要具有數(shù)量很多的樣本以及環(huán)境、衣著等協(xié)變量，并且需要采集每一個(gè)個(gè)體，以不同的狀態(tài)行走的視頻序列，因此，數(shù)據(jù)的采集也比較困難。另外，步態(tài)數(shù)據(jù)庫還應(yīng)包含各種復(fù)雜角度的步態(tài)序列，以便于跨視角的步態(tài)識(shí)別研究。為了促進(jìn)步態(tài)識(shí)別的相關(guān)研究，全球有多個(gè)步態(tài)數(shù)據(jù)庫可供選擇[40]。公開的步態(tài)數(shù)據(jù)庫包括USF步態(tài)數(shù)據(jù)庫[41]如圖1-1所示是由南弗羅里達(dá)大學(xué)創(chuàng)建的，CASIA-A[42]，CASIA-B[43]如圖1-2和圖1-3所示是由中科院的自動(dòng)化研究所創(chuàng)建的，以及如圖1-4所示的由卡內(nèi)基梅隆大學(xué)創(chuàng)建的CMUMoBo[44]，除此之外還有一些比如國內(nèi)的話由深圳大學(xué)創(chuàng)建的SZURBG-D[45]，還有國外的日本大阪大學(xué)的OU-ISIR系列的步態(tài)數(shù)據(jù)庫[46,47]，在表1-2中詳細(xì)地總結(jié)了上述多角度步態(tài)數(shù)據(jù)集。圖1-1USF數(shù)據(jù)庫圖1-2CASIA-A數(shù)據(jù)庫Fig.1-1USFdatabaseFig.1-2CASIA-Adatabase圖1-3CASIA-B數(shù)據(jù)庫圖1-4CMUMoBo數(shù)據(jù)庫Fig.1-3CASIA-AdatabaseFig.1-4CMUMoBodatabase

中北大學(xué)學(xué)位論文51.3步態(tài)數(shù)據(jù)庫步態(tài)識(shí)別能夠成功的一個(gè)關(guān)鍵性因素就是能夠有足夠多的訓(xùn)練樣本進(jìn)行學(xué)習(xí)訓(xùn)練，并且實(shí)現(xiàn)步態(tài)識(shí)別的方法的是否可行有效也一定程度上取決于步態(tài)數(shù)據(jù)集，因此步態(tài)數(shù)據(jù)庫的選擇和使用也是很重要的。步態(tài)數(shù)據(jù)庫一般需要具有數(shù)量很多的樣本以及環(huán)境、衣著等協(xié)變量，并且需要采集每一個(gè)個(gè)體，以不同的狀態(tài)行走的視頻序列，因此，數(shù)據(jù)的采集也比較困難。另外，步態(tài)數(shù)據(jù)庫還應(yīng)包含各種復(fù)雜角度的步態(tài)序列，以便于跨視角的步態(tài)識(shí)別研究。為了促進(jìn)步態(tài)識(shí)別的相關(guān)研究，全球有多個(gè)步態(tài)數(shù)據(jù)庫可供選擇[40]。公開的步態(tài)數(shù)據(jù)庫包括USF步態(tài)數(shù)據(jù)庫[41]如圖1-1所示是由南弗羅里達(dá)大學(xué)創(chuàng)建的，CASIA-A[42]，CASIA-B[43]如圖1-2和圖1-3所示是由中科院的自動(dòng)化研究所創(chuàng)建的，以及如圖1-4所示的由卡內(nèi)基梅隆大學(xué)創(chuàng)建的CMUMoBo[44]，除此之外還有一些比如國內(nèi)的話由深圳大學(xué)創(chuàng)建的SZURBG-D[45]，還有國外的日本大阪大學(xué)的OU-ISIR系列的步態(tài)數(shù)據(jù)庫[46,47]，在表1-2中詳細(xì)地總結(jié)了上述多角度步態(tài)數(shù)據(jù)集。圖1-1USF數(shù)據(jù)庫圖1-2CASIA-A數(shù)據(jù)庫Fig.1-1USFdatabaseFig.1-2CASIA-Adatabase圖1-3CASIA-B數(shù)據(jù)庫圖1-4CMUMoBo數(shù)據(jù)庫Fig.1-3CASIA-AdatabaseFig.1-4CMUMoBodatabase


本文編號(hào)：3232485