基于区域特征分析的步态周期检测方法.pdf
a是****澜吖
亲,该文档总共17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
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,
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
基于频域分析的步态特征表示及识别方法.pdf
基于频域分析的步态特征表示及识别方法,对采样的步态序列预处理,基于采样的步态序列训练得到特征频率并构建步态特征库,以此对给定的未知步态序列进行识别。本发明将一个步态序列视作一个整体,通过分析其轮廓-质心距离信号变化的频率特点来提取特征,一方面凸显了步态序列的整体性,另一方面,也充分利用了人的行走行为具有一定周期性的特点。本发明提高了步态识别的正确识别率,能达到较小的计算开销。通过将视频摄像头获取并进过预处理得到的人行走的侧视图做为本发明的步态识别方法的输入,借助于预先建立的步态特征库,就能够较为精确地进行
一种基于区域熵特征的步态识别方法.pdf
本发明公开了一种基于区域熵特征的步态识别方法。本发明包括预处理、特征提取和分类识别三个部分。具体步骤如下:所述预处理,用于获取标准统一大小的运动目标轮廓序列,包括以下步骤:1‑1.提取运动目标轮廓序列;1‑2.图像标准化;所述特征提取,用于获得具有良好表征性的步态特征参数,包括以下步骤:2‑1.提取步态周期;2‑2.提取区域图像熵特征;步骤3.采用最近邻准则分类识别。本发明提取的区域图像熵特征具有很好的表征性,无需借助复杂的图像处理过程,提取方式简单,避免了降维和数据归一化的步骤,降低了系统复杂度,取得了
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