导　　师： 王聪;黄伟毅

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 人体步态识别技术作为一种新型生物特征识别技术,成为了计算机视觉和智能识别领域一个备受关注的研究方向,旨在根据人走路的姿态,对步态信号进行采集、提取、建模、分析、及分类,可将其用于身份识别、生理、病理以及心理特征的检测等实际应用中,相比于其它静态生物特征识别技术,比如指纹、虹膜和人脸识别等相比,步态是人体外在的、动态的表现,且和运动的时空信息密切联系,步态识别技术具有独特的优势和广阔的应用前景,因此,研究步态识别技术具有极其重要的意义。步态识别技术涉及到特征提取、步态建模以及模式识别,近年来,在步态识别领域已有大量的研究分析,取得了许多不错的成果,这些研究绝大部分是基于视频和侧面视角采集步态信号,且只提取单一的步态动态特征进行识别分析。但正面视角比侧面视角更加符合实际应用场景,更容易被摄像头捕获。人体步态是一种非常复杂的非线性动力学信号,包含了相当丰富的、具有价值的特征信息,若仅选取单一特征参量进行分类识别,难以全面表征人体的步态属性。若能对人体步态进行准确建模,并以正面视角采集步态信息,充分挖掘步态信号中丰富的特征参量,将会对推进步态识别技术的发展有很大的意义。本文提出一种基于确定学习和Kinect数据流的步态正面识别方法,确定学习理论能在未知动态环境下对步态进行局部准确建模,实现对步态动态模式的快速识别。在前人工作的基础上,本文主要成果概括如下:1.采用正面视角进行步态识别研究,利用Kinect深度传感器采集人体正面视角的步态原始数据,构建本论文所需原始步态数据库;提取大量步态特征,并组合三组单一步态特征集,通过实验分别获得其识别准确率,进而分析单一特征在步态识别中的表现,以及人体不同特征的优劣性。2.将信

关 键 词： 步态识别 确定学习 数据流 特征融合 正面视角

领　　域： []