1、计算机软件与理论专业毕业论文 精品论文 基于步态特征的身份识别算法研究关键词：步态识别 特征融合 HU 矩 小波矩 人工免疫模型摘要：随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行
2、步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。(2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。正文内容随着现代社会对安全的要求不断提高，
3、利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。(2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提
4、取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以
5、隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别
6、算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方
7、面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实
8、验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图
9、像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以
10、其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征
11、带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究
12、者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统
13、，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用
14、形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速
15、准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩
16、和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹
17、膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别
18、领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的方法获得了较高的识别率。随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： (
19、1)分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。 (2)从图像的矩特征角度探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。分别提取图像的 Hu 矩和小波矩作为步态的静态特征，并融合步态的宽度信息作为识别特征，从而弥补单一特征带来的识别率低的问题。 (3)在步态识别阶段，提出了基于人工免疫模型的步态识别算法。针对步态识别领域的特殊性，在理论分析和大量实验的基础上设计提出了一个较为有效的人工免疫系统，采用本文选用的步态特征对中科院 CASIA 步态图像数据库进行训练、识别。实验表明，本文提出的
20、方法获得了较高的识别率。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍
