题目：基于步态的性别分类研究

近些年来，随着公共安全问题日益突出，如何远距离识别个体的身份信息已经成为智能监控领域热门的研究课题。步态作为一种可在远距离获取的生物特征，越来越受到人们的关注，在智能监控领域，步态特征具有许多其他生物特征所不可比拟的优势。基于步态的性别分类是步态分析和智能监控系统的重要组成部分。 当前，步态分析的研究主要集中于步态识别方向，对步态分类特别是基于步态的性别分类关注不够。因此，本文针对这一情形，从多角度步态数据融合、可分性步态特征及其提取方法和步态信息与人脸信息融合三个方面，对基于步态的性别分类进行了广泛而深入的研究。论文所做的研究工作体现在以下四个方面： 采集BUAA-IRIP步态数据库 为适应性别分类研究的需要，采集具有多角度，同时带有人脸图像的实验环境步态数据库。为在真实环境下检验算法的实用性和有效性，还采集了具有监控环境特点的室外步态数据库。 提出基于多角度融合的性别分类方法 不同角度步态图像包含不同的步态信息，融合0度，90度和180度步态图像能有效提高基于步态的性别分类正确率。采用区域划分和椭圆拟合的方法提取图像特征，计算相似性分数，并用加法和支持向量机方法对相似性分数进行融合。 提出X-T平面能量图特征 X-T平面能量图能同时保存静态和动态的步态特征，易于划分步态周期，对单帧噪声具有鲁棒性，X-T平面能量图特征与AdaBoost特征选择和支持向量机分类方法相结合，取得较好的性别分类正确率。 提出步态与人脸融合进行性别分类方法 采用平均图像方法进行基于步态的性别分类，采用主成分分析和支持向量机方法进行基于人脸的性别分类，最后采用择多表决方法在决策层对两种生物特征的分类结果进行融合。