步態(tài)識別是一種新興的生物特征識別技術,其相對于人臉識別與指紋識別等身份識別技術具有識別距離遠、難以偽裝等優(yōu)點,在近些年來受到了國內外研究學者的廣泛關注。同基于模型法的步態(tài)識別相比,非模型法的步態(tài)識別構建簡單,計算量低,計算效率高,對目標圖像質量的要求低。非模型法的步態(tài)識別分為類能量圖法和視頻序列特征法兩種。類能量圖法將一個周期內的圖像序列生成一幅圖像,這幅圖像通常為步態(tài)能量圖,當運動對象的衣著、采集設備的角度發(fā)生變化時,步態(tài)圖像的輪廓也隨即發(fā)生較大的變化,這些變化將對步態(tài)識別產生影響。視頻序列特征法需要將一個周期內的步態(tài)輪廓圖按照順序進行輸入,喪失了步態(tài)識別的靈活性,且在實際生活中,由于外界因素干擾通常很難取得完整周期內的步態(tài)輪廓圖。針對以上問題,為了提高跨視角多步行條件的步態(tài)識別的準確率,實現(xiàn)步態(tài)識別的靈活性,本文結合深度學習的優(yōu)秀性能,展開了基于深度學習的非模型法步態(tài)識別研究,具體工作如下:(1)在步態(tài)能量圖法中結合深度學習提出了一種基于膠囊網(wǎng)絡和反饋權重矩陣的步態(tài)識別方法。傳統(tǒng)卷積神經網(wǎng)絡在池化過程中會產生損失,且無法準確反映步態(tài)能量圖內部特征屬性之間的關系,本文使用膠囊網(wǎng)絡,采...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1.2幾種基于模型法的示意圖

5的2D運動序列中進行步態(tài)識別的方法，該方法首先從一組傅里葉表示的例子中采用主成分分析法來挑選出合適的成分組成3D線性模型，用最大值法將各個2D圖1.2幾種基于模型法的示意圖步態(tài)序列投影到3D模型中，最后這個投影的系數(shù)將被用來進行分類識別。文獻[18]提出了一種2.5D人體建模的....

圖2.4CASIA-A數(shù)據(jù)庫

16表2.1常用步態(tài)數(shù)據(jù)庫數(shù)據(jù)庫創(chuàng)建時間對象數(shù)場景影響因素OU-MVLP[49]201810307室內視角OU-LP[52]20124000室內視角OU-LP-Bag-β[53]20171034室內背包USF[54]2001122室外路面、攜帶物、時間CASIA-A[55]200....

圖2.5CASIA-B數(shù)據(jù)庫中某對象在不同視角下的步態(tài)圖像

16表2.1常用步態(tài)數(shù)據(jù)庫數(shù)據(jù)庫創(chuàng)建時間對象數(shù)場景影響因素OU-MVLP[49]201810307室內視角OU-LP[52]20124000室內視角OU-LP-Bag-β[53]20171034室內背包USF[54]2001122室外路面、攜帶物、時間CASIA-A[55]200....

圖2.6CASIA-B數(shù)據(jù)庫中某對象三種不同行走條件下的步態(tài)圖像

17為了研究行走速度和夜晚協(xié)變量對步態(tài)識別的影響，2005年8月CASIA-C步態(tài)數(shù)據(jù)庫被建立，該數(shù)據(jù)庫包含了153名測試對象，拍攝的圖像均為紅外攝像機在夜間拍攝的紅外圖像，其中步行條件有正常行走、快速行走、慢速行走、帶有背包四種情況。圖2.7為CASIA-C數(shù)據(jù)庫中某對象慢速行....

本文編號：3995445