● 摘要
生物特征识别技术是一种利用人的生理或行为特征进行身份识别的技术。随着安全敏感场合对大范围视觉监控系统的需求提升，远距离的身份识别研究近来受到了计算机视觉研究者们的大量关注。脸像、指纹和虹膜等生物特征通常需要近距离或者接触性的感知，因此在实际应用中受到了诸多限制。步态是远距离情况下唯一可以感知的生物特征，因此从视觉监控的观点来看，步态识别具有广泛的应用前景。除此以外，步态的分析与识别在人机交互、动画、虚拟现实和医学等诸多领域有着重要的应用前景和巨大的经济价值。随着计算机信息技术的飞速发展，步态自动识别研究已经取得了很大的进展。
本文在前人研究的基础上从事了以下的研究和创新：
(1)在步态预处理过程中。使用中值法提取出步态序列的背景图像，运用背景差分法进行运动步态分割，提取出运动目标。然后利用形态学方法对目标图像进行预处理以消除步态图像的噪声影响，用连通域分析获取单连通区域，以及用双线性插值对图像进行了标准化，最后得到了质量良好的轮廓图。针对目标阴影，提出了改进的HSV颜色空间转换算法进行阴影检测及消除。并对其进行了实验检验，结果表示该算法能更正确检测阴影。
(2)在特征提取过程中，提出了同时提取步态能量图特征与步态轮廓线特征的特征提取算法。利用离散傅立叶变换拟合出了理想的步态周期，对于步态能量图特征，将周期内的步态轮廓图进行叠加生成步态能量图，而后对步态能量图提取了小波矩特征。对于步态轮廓线特征，首先对轮廓图提取边缘线获取轮廓线，而后对轮廓线进行解卷绕并获取采样特征，最后对其进行主成分分析获得降维后的步态轮廓线特征。最后通过实验，验证了该算法能有效提高识别准确率。
(3)在分类识别过程中，提出了基于支持向量机与贝叶斯规则的决策级特征融合步态识别方法。首先用最近邻分类器对步态能量图特征以及步态轮廓线特征进行分类，然后对分类出的结果进行分值变换，并计算Bayesian规则下的后验概率，最后用SVM分类器进行决策级信息融合的识别。实验准确率达到了93%，表明该方法具有较高的识别性能，是一种有效的步态识别算法。
关键字：步态识别、特征提取、模式识别、信息融合摘要
生物特征识别技术是一种利用人的生理或行为特征进行身份识别的技术。随着安全敏感场合对大范围视觉监控系统的需求提升，远距离的身份识别研究近来受到了计算机视觉研究者们的大量关注。脸像、指纹和虹膜等生物特征通常需要近距离或者接触性的感知，因此在实际应用中受到了诸多限制。步态是远距离情况下唯一可以感知的生物特征，因此从视觉监控的观点来看，步态识别具有广泛的应用前景。除此以外，步态的分析与识别在人机交互、动画、虚拟现实和医学等诸多领域有着重要的应用前景和巨大的经济价值。随着计算机信息技术的飞速发展，步态自动识别研究已经取得了很大的进展。
本文在前人研究的基础上从事了以下的研究和创新：
(1)在步态预处理过程中。使用中值法提取出步态序列的背景图像，运用背景差分法进行运动步态分割，提取出运动目标。然后利用形态学方法对目标图像进行预处理以消除步态图像的噪声影响，用连通域分析获取单连通区域，以及用双线性插值对图像进行了标准化，最后得到了质量良好的轮廓图。针对目标阴影，提出了改进的HSV颜色空间转换算法进行阴影检测及消除。并对其进行了实验检验，结果表示该算法能更正确检测阴影。
(2)在特征提取过程中，提出了同时提取步态能量图特征与步态轮廓线特征的特征提取算法。利用离散傅立叶变换拟合出了理想的步态周期，对于步态能量图特征，将周期内的步态轮廓图进行叠加生成步态能量图，而后对步态能量图提取了小波矩特征。对于步态轮廓线特征，首先对轮廓图提取边缘线获取轮廓线，而后对轮廓线进行解卷绕并获取采样特征，最后对其进行主成分分析获得降维后的步态轮廓线特征。最后通过实验，验证了该算法能有效提高识别准确率。
(3)在分类识别过程中，提出了基于支持向量机与贝叶斯规则的决策级特征融合步态识别方法。首先用最近邻分类器对步态能量图特征以及步态轮廓线特征进行分类，然后对分类出的结果进行分值变换，并计算Bayesian规则下的后验概率，最后用SVM分类器进行决策级信息融合的识别。实验准确率达到了93%，表明该方法具有较高的识别性能，是一种有效的步态识别算法。
关键字：步态识别、特征提取、模式识别、信息融合