具有深度信息的視頻圖像中的人物步態(tài)識別技術研究.pdf

1、伴隨著當代信息社會的發(fā)展，安全成為了越來越重要的話題。如何有效的在對安全要求較高或者較敏感的區(qū)域進行可靠的人物身份自動驗證或者確認是非常重要的。傳統(tǒng)的身份驗證方法比如密碼，身份卡易遺失、被偽造等。人臉識別、指紋識別等生物特征識別技術通過比對人本身屬性來提供更加有效的身份識別手段。在眾多被用做身份驗證的生物特征中，步態(tài)識別因為遠距離識別、隱藏性和非侵犯性等優(yōu)勢，而獲得了廣大研究者的關注。
　　具有深度信息的視頻圖像在智能監(jiān)控，生物識

2、別技術，安全領域具有很大的優(yōu)勢，很重要的一個原因是因為它能提供人體骨骼三維模型來支持對人行為、動作的精準建模，而不僅僅是使用彩色和紋理信息。
　　基于視頻的人物檢測是計算機視覺一項重要的應用。對于視頻中人的身份識別和確認，也需要先將人物檢測出來，然后進行特征的提取和識別分類，視頻中人物檢測的準確度直接關系到后續(xù)的特征提取和識別分類的準確率。
　　本文首先使用自適應的非局部均值方法對深度視頻圖像進行預填補和去噪等預處理流程。然

3、后研究了基于深度卷積網的視頻中人物的檢測技術，采用預訓練的模型AlexNet初始化網絡參數，并使用本章的數據集對網絡參數進行微調，極大程度降低了網絡的訓練時間，一定程度上避免了網絡的過擬合。相對于傳統(tǒng)的人物檢測方法——基于HOG特征的人物檢測方法，基于深度卷積網的技術的檢測準確度有了較大幅度的提升。最后，本文基于 Kinect的骨骼跟蹤功能探索了基于相對運動的步態(tài)特征?；谙鄬嚯x的運動特征被提出來，特定關鍵節(jié)點之間的距離及其變化被用來