一种正面视角的行人步态周期检测方法.pdf
小寄****淑k
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种正面视角的行人步态周期检测方法.pdf
一种正面视角的行人步态周期检测方法,包括行人目标轮廓提取与正面步态周期检测两个方面。首先输入正面步态视频,提取单帧图像,采用背景减除法,利用尾帧进行背景建模,采用局部阈值法对人体下三分之一区域和上三分之二区域分别采用最大类间方法选取合适的阈值进行二值化,得到完整的人体轮廓二值化图像。然后将人体目标化分为左、右两部分,提取人体目标下三分之一区域的左右腿长度和上肢摆动幅度,将上、下肢特征融合,作为判断依据进行正面步态的周期检测。本发明具有计算量小、无需预先保存静态背景、对光照等环境噪声和阴影具有很好的鲁棒性等
基于视频的正面步态周期检测方法.pdf
本发明提供的是一种基于视频的正面步态周期检测方法。包括行人目标轮廓的获取和正面步态的周期检测;首先从视频中提取单帧图像进行灰度变换,然后选择不含人体的图像作为整个视频的原始背景图像,采用背景实时更新的背景减除法提取人体目标,Kapur熵阈值法对图像序列进行二值化处理,用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影,使人体居中,将图像的大小统一为64*64像素,最后对分割出的人体进行检测,将包含不完整人体的冗余帧去除;根据肢体占身高比例关系,将下臂的摇摆区域像素点的数目变化情况作为判断正
一种基于正面视角步态数据的个体身份识别方法.pdf
本发明公开了一种基于正面视角步态数据的个体身份识别方法,包括以下步骤:采集人体正面视角轮廓序列;提取正面视角下人体下肢轮廓面积类特征、长度类特征及角度类三类时变数据及曲线;分别构建径向基函数神经网络提取三类时变步态数据下的步态动力学特征,并使用深度迁移学习机制进行二次特征提取;利用不同个体之间在步态动力学上的差异,计算二次特征提取后三类特征的特征融合加权权值;将加权融合后的特征输入到全连接网络进行训练和分类。本发明采用步态动力学特征与深度迁移学习机制的结合,对正面视角下步态数据进行迁移特征学习与智能融合,
基于区域特征分析的步态周期检测方法.pdf
本发明提供的是一种基于区域特征分析的步态周期检测方法。包括行人目标轮廓的获取和步态周期检测;所述的行人目标轮廓的获取的方法为,首先从视频中提取单帧图像进行灰度变换,然后计算各像素点在逐帧中的中值,作为整个序列的背景图像,最后采用背景减除法提取人体目标,用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影,使人体居中,将图像的大小统一为64*64像素;所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题,即根据每帧中图形区域的特征变化情况来分析步态的周期。本发明不但计算量小,
一种基于卷积神经网络的步态周期检测方法.pdf
本发明提供一种基于卷积神经网络的步态周期检测方法,对步态视频进行预处理,包括视频解码,行人轮廓提取和质心归一化的图像预处理操作;训练用于提取步态周期性特征的卷积神经网络;将待测的步态视频帧序列送入卷积神经网络中,输出波形经过滤波后,通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性,解决了在正面和背面视角下难以检测步态周期的问题,本发明方法对提高复杂环境中步态识别精度有重要意义,可用于步态识别中的前端,适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份