分享到:

分析步态识别身份

美国亚特兰大的乔治亚理工大学研究者宣称,他们已找到了一种通过分析一个人步态来辨别身份的新途径。$$    (本文共1页) 阅读全文>>

权威出处: 光明日报2003-05-16
国防科技大学
国防科技大学

视频步态特征提取与识别关键技术研究

步态识别是根据走路姿势来识别人身份的一种方法。作为新一代生物特征识别技术,步态以其可远距离观察、非接触式采集、隐蔽性好、不易被模仿等优势引起了研究人员的广泛重视。步态受骨骼、肌肉、运动神经和后天运动习惯的共同影响,研究步态识别在身份安全、医学诊断、智能家居、人机交互等多个领域具有重要的学术意义和应用价值。当前,步态识别技术还存在一些实用难题,行人视角、衣着穿戴和身体状态的变化都会引起步态变化,基于此,本文以研究更本质的步态特征表达为目的,在行人检测分割的基础上,重点对步态的时序特征提取、时空特征融合和局部特征模型进行了深入研究。论文的主要工作总结如下:1、设计并实现了复杂背景下的视频行人检测分割方法。分析了图像检测分割的算法原理,优化了动态特性和视频上下文对静态图像检测的候选目标提取过程。提出了基于CNN像素级前后景分割和视频上下文融合的前后景分割方法,采用CASIA B等正常场景对分割模型进行了重训练,有效克服了传统方法对着装...  (本文共146页) 本文目录 | 阅读全文>>

西北师范大学
西北师范大学

基于手机加速度传感器的步态识别研究

基于人脸、指纹、语音等生物特征的识别系统,已经在诸多领域得已应用。与早期的密码、图形等识别系统相比,生物特征识别系统能提供更加可靠的身份识别。这些识别系统都需要用户参与操作,并且只能在设备开机或解锁等特定的阶段做一次身份认证,不能用于用户持续身份认证。而基于步态特征的识别系统可在用户行走过程中识别用户身份,从而能够实现对用户身份的持续认证,这大大提高了电子设备的安全性。目前,基于手机加速度传感器的步态信息获取技术已经在计步、步行与跑步识别等方面有着较为成熟的应用。尤其是日渐流行的智能手环、智能手表,均内置有加速度传感器,其中有些产品同时具有条码支付功能和安全验证需求。因此,借助手机或智能穿戴设备的加速度传感器实现步态信息的识别,既具有现实意义与实用价值,也符合保护智能手机和穿戴设备信息安全的需求。本论文的主要工作与创新如下:(1)利用智能手机配置有三轴加速度传感器和软件易于开发的特点,设计了一个基于智能手机的人体步态信息获取AP...  (本文共51页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

适于重要场所个人身份的步态识别技术研究

在政府部门、军队的涉密场所等重要场所,必须严格掌握人员进出的情况,大多数时间还需要识别远处活动人员的身份。此时,人脸、虹膜、指纹等生物特征,以及证件、密码等信息特征不再适用,而步态作为有效的生物特征能够用低分辨率设备从远距离进行身份识别具有非接触、不唐突的明显优势,因此,步态识别必将成为重要场所进行安全监控的重要技术手段。适于重要场所个人身份的步态识别技术研究内容包括步态数据获取、步态检测、步态特征提取和分类识别四大部分。其中步态特征提取是本文研究的重点。步态数据获取部分我们摒弃采用现有的数据库,在实验室模拟视频监控场景,建立了20个人的步态数据库。将获取的步态视频进行了图像预处理,主要包括步态视频的帧提取、目标检测、形态学处理和去除冗余帧等工作。由于俯角的步态图像周期分割效果欠佳,本文选用步态能量图像(GEI)表征步态特征,通过步态能量图像进行个体的识别。步态能量图像把人类的运动序列用单帧图像来表征,同时保留了时间信息,轮廓信...  (本文共103页) 本文目录 | 阅读全文>>

暨南大学
暨南大学

基于深度迁移学习的步态识别方法研究

步态识别指通过人走路的姿态方式来识别人的身份或身份属性(如性别),它是一种新的生物特征识别技术,近几年来被越来越多的研究者所关注。和其他生物识别技术相比,步态识别具有远距离识别、难伪装和安全性强、非受控识别等优点,这些优点使步态识别技术在安防、智能视频监控等领域具有巨大的应用潜力。然而在现实生活中,人的步态容易受到视角、携带物、衣着等协变量因素的影响,导致识别效果不佳。如果能进一步提高步态识别方法的性能,将有助于步态识别投入商业应用,带给用户更多的便利。在总结和分析前人研究的基础上,本文提出了基于Dense Net深度迁移学习的步态识别方法,简称DNDTL。该方法首先从原始步态视频序列帧中提取出人体二值轮廓图,计算出步态能量图。然后将Dense Net作为迁移的预训练模型,将步态能量图输入模型进行网络微调。接下来将微调训练好的模型作为特征提取器,提取最后一层的输出作为深度步态特征,通过最近邻分类器对人的身份进行识别;或直接将DN...  (本文共78页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

基于深度学习的步态识别关键技术研究

生物识别技术是计算机视觉领域一个前沿的研究课题。在众多的生物特征之中,步态具有可远程获取、鲁棒性强、安全性强等优势。因此,在“以人为中心”的现代智能监控系统中,步态识别技术获得了越来越多的关注。然而此问题存在着众多挑战,比如相同目标因不同视角、穿戴和行走速度带来的类内差异太大,以及不同目标之间的形态相似性带来的类间语义模糊等。目前的步态识别技术大多基于人工视觉特征来进行模型匹配,但是传统的人工特征已经无法满足步态精细识别的需求,所以很难打破特征提取和特征表示的瓶颈。在本文中,我们围绕基于深度学习的步态识别问题,提出了一系列新模型和新方法。首先,我们设计了一个基于深度学习的步态识别技术框架。为了克服现有步态数据库样本容量小以及深度学习训练速度慢的挑战,我们将原始的步态序列进行融合,计算其步态能量图作为卷积神经网络的输入来对预训练的网络进行微调。然后,我们提出了基于Siamese神经网络的步态识别技术。该技术借助深度神经网络的视觉特...  (本文共66页) 本文目录 | 阅读全文>>