• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于頻譜分析的Procrustes統(tǒng)計(jì)步態(tài)識(shí)別算法

    2011-08-18 10:13:02楊靜阮秋琦李小利
    智能系統(tǒng)學(xué)報(bào) 2011年5期
    關(guān)鍵詞:傅里葉步態(tài)識(shí)別率

    楊靜,阮秋琦,李小利

    (1.北京交通大學(xué)信息科學(xué)研究所,北京 100044;2.北京交通大學(xué)現(xiàn)代信息科學(xué)與網(wǎng)絡(luò)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100044)

    基于頻譜分析的Procrustes統(tǒng)計(jì)步態(tài)識(shí)別算法

    楊靜1,2,阮秋琦1,李小利1,2

    (1.北京交通大學(xué)信息科學(xué)研究所,北京 100044;2.北京交通大學(xué)現(xiàn)代信息科學(xué)與網(wǎng)絡(luò)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100044)

    在信息安全越加重要的現(xiàn)代社會(huì),步態(tài)識(shí)別以其特有的優(yōu)勢作為一種身份識(shí)別手段,得到了很多關(guān)注.提出一種基于Procrustes均值形狀的傅里葉頻譜分析(FSAOPMS)的適用于多視角的步態(tài)識(shí)別方法.利用Procrustes統(tǒng)計(jì)形狀分析方法將步態(tài)序列中人體輪廓的連續(xù)步態(tài)變化表示成一個(gè)緊致的Procrustes均值形狀(PMS),將PMS作為原始步態(tài)特征,對(duì)PMS進(jìn)行傅里葉頻譜分析(FSA).計(jì)算不同步態(tài)序列的PMS幅度譜的歐式距離,利用最近鄰(NN)分類器進(jìn)行識(shí)別.在中國科學(xué)院自動(dòng)化所的CASIA Gait Database數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn),與其他3種方法進(jìn)行了比較,新方法具有很高的識(shí)別率,證明了該算法的有效性.

    步態(tài)識(shí)別;Procrustes統(tǒng)計(jì)形狀分析;Procrustes均值形狀(PMS);傅里葉頻譜分析(FSA);多視角識(shí)別

    生物特征識(shí)別技術(shù)作為一種身份識(shí)別手段,已成為國際上的研究熱點(diǎn),對(duì)信息安全有重要研究意義.步態(tài)識(shí)別就是根據(jù)人走路的姿態(tài)進(jìn)行識(shí)別,步態(tài)識(shí)別以其固有的優(yōu)勢受到越來越多的關(guān)注,其中優(yōu)勢有:非入侵性、難以隱藏性、用戶接受程度高,因此也涌現(xiàn)了大量的步態(tài)識(shí)別算法.算法大概可以分為2種:基于模型和非模型的方法.其中基于模型的方法,首先要建立模型,將模型和圖像序列進(jìn)行匹配來獲得模型參數(shù),使用這些參數(shù)作為步態(tài)特征進(jìn)行分類,如 Cunado 等[1]的鐘擺模型,Lee 等[2]的橢圓模型,Yoo[3]的擺角模型等;非模型的方法,主要是根據(jù)人體目標(biāo)移動(dòng)時(shí)所產(chǎn)生時(shí)空模式的各類統(tǒng)計(jì)值來提取特征,如Yang等[4]提出的步態(tài)能量圖算法,王亮等[5]提出的 Procrustes均值形狀(Procrustes mean shape,PMS)分析法,韓[6]提出的傅里葉算子分析法.

    基于模型的方法計(jì)算復(fù)雜,而基于非模型的方法通常局限于一種特定的特征表示方法,且不能實(shí)現(xiàn)多視角的步態(tài)識(shí)別.受王亮[5]和韓[6]的啟發(fā),本文先利用Procrustes統(tǒng)計(jì)形狀分析獲得步態(tài)序列的均值形狀(PMS)作為初級(jí)步態(tài)特征.然后,對(duì)PMS進(jìn)行傅里葉頻譜分析,將PMS的幅度譜做為最終的特征,通過歐式距離來表征2個(gè)序列之間的相似性.在CASIA DataBase B數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn),并與王亮的 PMS[5]、張?jiān)?PMS+TAF[7]、高海燕的關(guān)鍵幀傅里葉變換(FFT of key frames)[8]3種方法進(jìn)行比較,證明了提出的算法能夠?qū)崿F(xiàn)多視角下的高識(shí)別率.

    1 預(yù)處理

    在進(jìn)行特征提取之前需要做一些預(yù)處理工作.預(yù)處理階段需要進(jìn)行人體運(yùn)動(dòng)目標(biāo)的提取,常用的方法有背景減除法、時(shí)間差分法、光流法等.基于算法復(fù)雜性和檢測有效性的考慮,采用背景減除的方法進(jìn)行運(yùn)動(dòng)區(qū)域分割.首先,利用背景減除算法,取合適的閾值得到二值化的運(yùn)動(dòng)目標(biāo)區(qū)域,通常,二值化后的運(yùn)動(dòng)區(qū)域可能會(huì)出現(xiàn)空洞、噪聲點(diǎn),如圖1(c).然后,采用圖像形態(tài)學(xué)的方法和單連通分量分析可以得到單連通的運(yùn)動(dòng)目標(biāo),如圖1(d).

    圖1 預(yù)處理結(jié)果Fig.1 The results of the preprocessing

    2 新步態(tài)識(shí)別算法

    運(yùn)動(dòng)輪廓隨時(shí)間的變化,是決定人運(yùn)動(dòng)特征的一個(gè)重要線索.因此采用了輪廓這一特征來表征人體步態(tài)運(yùn)動(dòng)特征,為了保留序列中多幀圖像的輪廓信息,需要有一種統(tǒng)計(jì)表達(dá)方法來表示.Procrustes形狀分析法[9]是方向統(tǒng)計(jì)學(xué)中一種特別流行的方法,它非常適用于編碼2維形狀,并且提供了一種很好的工具來尋找一組形狀的緊致表達(dá)——均值形狀.

    Wang[5]定義了PMS的相似度測量,實(shí)驗(yàn)證明,此度量方法不能很好地區(qū)分PMS之間的相似度.為了更好地測量,需要得到有關(guān)PMS的更多信息,包括PMS的整體輪廓信息和一些細(xì)節(jié)信息,這就需要有一種方法,能夠同時(shí)表示這2種信息.傅里葉頻譜分析正是這樣一個(gè)非常有利的工具,頻譜的低頻部分包含了輪廓的整體信息,而高頻部分則包含了細(xì)節(jié)信息.

    根據(jù)以上的理論基礎(chǔ),因此采用Procrustes均值形狀的傅里葉頻譜分析(Fourier spectrum analysis of Procrustes mean shape,F(xiàn)SAOPMS),來研究步態(tài)識(shí)別.

    CASIA數(shù)據(jù)庫B提供了以下11個(gè)(0°~180°)運(yùn)動(dòng)視角的步態(tài)數(shù)據(jù)庫,如圖2.利用此數(shù)據(jù)庫來研究多視角的步態(tài)識(shí)別.

    圖2 11個(gè)視角下的圖像Fig.2 The images of 11 different views

    2.1 提取輪廓線并采樣

    2.1.1 輪廓的提取——Canny算子

    Canny算子[10]是一種比較新的邊緣檢測算子,具有很好的邊緣檢測性能,不容易受噪聲干擾,能夠檢測到真正的弱邊緣,而且使用2種不同的閾值能分別檢測強(qiáng)邊緣和弱邊緣,并且當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí),才將弱邊緣包含在輸出圖像中.Canny邊緣檢測算子的基本算法分為3個(gè)步驟:1)對(duì)圖像選擇一定的高斯濾波器進(jìn)行平滑濾波.2)采用非極值抑制(non-maxima suppression)技術(shù)對(duì)平滑后的圖像進(jìn)行處理.非極值抑制技術(shù)就是:計(jì)算平滑后圖像的每個(gè)像素處的梯度幅值和方向,梯度方向用來細(xì)化邊緣,如果像素響應(yīng)高于梯度方向上它的兩相鄰點(diǎn)的像素,其值則保留,否則抑制該像素.3)選擇跟蹤具有高幅值的輪廓,最后選擇滿足高閾值和低閾值的像素點(diǎn)做為初始點(diǎn),按順序跟蹤連續(xù)的輪廓段.從本質(zhì)上講,Canny邊緣檢測算子屬于具有平滑功能的一階微分算子,采樣結(jié)果如圖3(b)所示.

    2.1.2 輪廓采樣

    為了對(duì)提取的輪廓線進(jìn)行Procrustes統(tǒng)計(jì)形狀分析,需要將二維的輪廓圖像表示成一個(gè)一維的向量,鑒于輪廓的像素點(diǎn)數(shù)都不一致,所以本文采用輪廓采樣法,提取邊緣上的256個(gè)點(diǎn).本文開始采用等角度采樣的方法,結(jié)果如圖3(c),但是效果不理想,因此采用分區(qū)域定點(diǎn)采樣的方法[8].分區(qū)域定點(diǎn)采樣方法的基本思想,就是先計(jì)算出輪廓的質(zhì)心,以此質(zhì)心作為直角坐標(biāo)系的原點(diǎn),邊緣上的像素點(diǎn)也就有了相應(yīng)的直角坐標(biāo);然后,將邊緣上的像素點(diǎn)進(jìn)行坐標(biāo)變換,變成在極坐標(biāo)下的形式;最后,對(duì)輪廓進(jìn)行分區(qū)域等間隔采樣.其中,將人體分成頭肩區(qū)(72°~108°)、腿腳區(qū)(252°~288°)和軀干區(qū)(其余的部分)3個(gè)區(qū)域,如圖3(a)所示.

    理論上質(zhì)心計(jì)算方法如式(1):

    式中:N是邊緣像素點(diǎn)的個(gè)數(shù);(xm,ym)是邊緣點(diǎn)的坐標(biāo).由于這種計(jì)算質(zhì)心的方法有時(shí)候不能準(zhǔn)確地表現(xiàn)質(zhì)心,所以,本文提出一種新的計(jì)算質(zhì)心的方法,取輪廓的外接矩形的中心作為輪廓的質(zhì)心,如式(2):

    式中:l、r、t、b是輪廓的外接矩形的左、右、上、下邊在直角坐標(biāo)系中的位置.

    采樣間隔如式(3)~(5)所示,頭肩區(qū)采樣間隔為

    腿腳區(qū)采樣間隔為

    軀干區(qū)采樣間隔為

    本文根據(jù)經(jīng)驗(yàn)知識(shí)取N1=N2=80,N3=48,采樣結(jié)果如圖3(d).

    圖3 采樣圖像Fig.3 The images of sampling results

    2.2 Procrustes均值形狀

    一幀目標(biāo)圖像在提取輪廓和進(jìn)行采樣后,就得到了這個(gè)輪廓的一維向量表示.由于在采樣的過程中,是從x軸逆時(shí)針開始的,于是每幀圖像的一維向量的每個(gè)元素都是基本對(duì)應(yīng)的,這樣就做到了采樣點(diǎn)匹配.將向量的元素進(jìn)行逆變換——極坐標(biāo)到直角坐標(biāo)的轉(zhuǎn)換,再將每個(gè)形狀表示成一個(gè)復(fù)數(shù)向量,稱為配置向量:

    式中:ui=xi+jyi,(xi,yi)是采樣后的輪廓坐標(biāo),如圖3(d).當(dāng)給定的一個(gè)步態(tài)序列含有n幀圖像時(shí),就可以得到n個(gè)這樣的復(fù)數(shù)向量.

    得到這n個(gè)配置向量之后,就可以利用Procrustes形狀分析來得到序列的均值形狀為了計(jì)算ˉU,首先計(jì)算配置矩陣:

    綜上所述,計(jì)算 PMS[5]的步驟如下.

    1)得到運(yùn)動(dòng)目標(biāo)的輪廓之后,進(jìn)行分區(qū)域定點(diǎn)采樣[8],本文采256個(gè)點(diǎn),用這些采樣點(diǎn)將每個(gè)輪廓表示成一個(gè)復(fù)數(shù)向量Ui(i=1,2,…,n),n是一個(gè)步態(tài)序列中的有效幀數(shù).

    2)計(jì)算配置矩陣S.

    3)計(jì)算配置矩陣S的最大特征值對(duì)應(yīng)的特征向量,即為均值形狀

    圖4 所示 5 個(gè)視角 (0°、54°、90°、144°、180°)下的PMS,從圖4可以看出,在相同視角下,同一個(gè)運(yùn)動(dòng)目標(biāo)的3個(gè)樣本(3種不同線型所示)對(duì)應(yīng)的PMS是非常相近的,不同運(yùn)動(dòng)目標(biāo)的PMS則有很大的區(qū)別,因此,實(shí)驗(yàn)結(jié)果證明,可以用PMS來描述人體步態(tài)特征.

    圖4 序列的PMS圖,以及PMS的幅度頻譜圖Fig.4 The PMS of different sequences,and their spectrum

    2.3 特征提取——PMS的傅里葉頻譜分析(FSAOPMS)

    在 Wang的算法[5]中,配置向量 U1、U2之間的Procrustes距離定義為

    式中:0≤d(U1,U2)≤1,以此來作為2個(gè)序列PMS之間的差別,此值越小表明這2個(gè)序列中的目標(biāo)越相似,反之則越不相似.

    由于這種計(jì)算相似性的方法不是那么準(zhǔn)確,所以,本文提出了利用傅里葉頻譜分析來計(jì)算配置向量之間的相似性.

    離散傅里葉變換為[11]

    逆變換為[12]

    離散傅里葉變換是可逆線性變換,其相位代表旋轉(zhuǎn)等信息,幅度分量代表形狀信息,且高頻分量對(duì)應(yīng)一些細(xì)節(jié),低頻分量對(duì)應(yīng)整體形狀信息.所以可以通過分析PMS的頻譜分量,來確定2個(gè)PMS的相似程度,相似程度以幅度譜的歐式距離來表征.

    從圖4可以看到,同一個(gè)目標(biāo)的不同樣本的PMS頻譜中,低頻和高頻幾乎完全一致;但是不同目標(biāo)樣本的PMS頻譜中,低頻和高頻則有很大的區(qū)別.因此,本文提出的以PMS作為一種初級(jí)特征,再將對(duì)PMS進(jìn)行傅里葉頻譜分析的結(jié)果作為序列的最終特征,是一種非??尚械霓k法.

    3 步態(tài)識(shí)別實(shí)驗(yàn)

    3.1 步態(tài)識(shí)別試驗(yàn)設(shè)計(jì)

    中國科學(xué)院自動(dòng)化所的CASIA步態(tài)數(shù)據(jù)庫中,有3個(gè)數(shù)據(jù)集:Dataset A(小規(guī)模庫 NLPR)、Dataset B(多視角庫)和Dataset C(紅外庫).其中Dataset B是一個(gè)大規(guī)模的,有多個(gè)視角的步態(tài)數(shù)據(jù)庫,共有124 個(gè)人,每個(gè)人有 11 個(gè)視角(0°,18°,36°,…,180°),分別在3種運(yùn)動(dòng)條件下(普通條件、穿大衣、攜帶包裹條件)采集,相同視角下,每個(gè)人在普通條件下有6個(gè)圖像序列,其他條件下各2個(gè)序列,每個(gè)視頻序列包含2~3個(gè)步態(tài)周期,這些彩色視頻序列的幀率是25幀/s,圖像尺寸為320×240像素,長度也都在100幀左右.

    本文選用Dataset B(多視角庫)作為原始實(shí)驗(yàn)數(shù)據(jù),從中選取20個(gè)人,每個(gè)人有11個(gè)視角,在每個(gè)視角下選取普通運(yùn)動(dòng)條件下的6個(gè)圖像序列.11個(gè)視角分別單獨(dú)進(jìn)行實(shí)驗(yàn),在每個(gè)視角下,將20個(gè)人在普通運(yùn)動(dòng)條件下的6個(gè)圖像序列分成6組,每組中包含20個(gè)圖像序列.每次實(shí)驗(yàn)都讓其中5組作為訓(xùn)練數(shù)據(jù),另1組作為待識(shí)別的數(shù)據(jù),每個(gè)視角下共進(jìn)行6次實(shí)驗(yàn),取6次實(shí)驗(yàn)的平均值,作為當(dāng)前視角下的識(shí)別率,共要進(jìn)行11×6=66次實(shí)驗(yàn).

    識(shí)別的整個(gè)過程主要分為3個(gè)步驟:預(yù)處理、特征提取、識(shí)別,如圖5所示.

    圖5 步態(tài)識(shí)別算法流程Fig.5 Gait recognition algorithm flow chart

    為了證明提出算法的有效性,又與另外3種方法進(jìn)行了對(duì)比,分別是 PMS[5]、PMS+TAF[7]、關(guān)鍵幀 FFT[8],所以實(shí)驗(yàn)次數(shù)為 4 ×66=264.值得說明的是,要得到關(guān)鍵幀,必須先要得到步態(tài)周期,為了讓周期檢測方法適合所有的視角,在進(jìn)行實(shí)驗(yàn)時(shí),采用的是圖像的寬高比[12],然后進(jìn)行了自相關(guān)運(yùn)算,這與文獻(xiàn)[8]的方法不一樣.本文采用了最近鄰法(NN)這個(gè)分類器進(jìn)行最后的識(shí)別,以識(shí)別的正確率來表征算法的優(yōu)略性.

    3.2 步態(tài)識(shí)別實(shí)驗(yàn)結(jié)果及分析

    3.2.1 實(shí)驗(yàn)結(jié)果

    實(shí)驗(yàn)結(jié)果如表1和圖6所示.從中可以看到,本文提出的方法有很高的識(shí)別率,在11個(gè)視角下的平均識(shí)別率是91.97%,大于90%,而且其在所有視角下有比較穩(wěn)定的識(shí)別率,對(duì)正面、側(cè)面、背面的識(shí)別率都很高.PMS的平均正確識(shí)別率是76.59%,在11個(gè)視角下的識(shí)別率不穩(wěn)定,最高的識(shí)別率是85.83%,最低的只有69.17%,其在側(cè)面的識(shí)別率比正面和背面的識(shí)別率要高,不適合多視角步態(tài)識(shí)別.PMS+TAF的平均正確識(shí)別率是85.38%,在11個(gè)視角下的識(shí)別率也不穩(wěn)定,最高的識(shí)別率是95%,最低的只有74.17%.關(guān)鍵幀的傅里葉分析的平均正確識(shí)別率最低,只有69.92%,在11個(gè)視角下的識(shí)別率也是不穩(wěn)定的,最高的識(shí)別率是83.30%,最低的只有50.83%,其在側(cè)面的識(shí)別率要比正面和背面的識(shí)別率要高,但對(duì)正面和背面的識(shí)別率很低,同樣不適合多視角步態(tài)識(shí)別.

    圖6 在11個(gè)視角下4種算法的正確識(shí)別率Fig.6 The correct recognition rate of four different methods at 11 angles

    表1 在11個(gè)視角下4種算法的正確識(shí)別率Table 1 The correct recognition of four different algorithms on 11angles

    3.2.2 實(shí)驗(yàn)分析

    從表1和圖6中可以看到,本文提出的方法有很高的識(shí)別率,相比于其他3種算法有更好的優(yōu)勢.其原因在于:1)PMS是統(tǒng)計(jì)特性,是一段視頻中運(yùn)動(dòng)人體的緊致平均表示,PMS的傅里葉頻譜中,低頻部分表示了整個(gè)輪廓的信息,高頻部分主要表現(xiàn)了一些運(yùn)動(dòng)的細(xì)節(jié)信息,這樣一來特征包括得比較完整,識(shí)別率就相應(yīng)地提高了;2)PMS進(jìn)行步態(tài)識(shí)別只考慮到了整體的信息,忽略了局部的信息;而PMS+TAF只考慮了形狀的局部輪廓信息,沒有考慮整體信息;關(guān)鍵幀進(jìn)行傅里葉變換只考慮了關(guān)鍵幀的信息,對(duì)一個(gè)周期中的其他幀沒有考慮.因此,這3種方法的識(shí)別率都沒有新提出方法的識(shí)別率高.

    4 結(jié)束語

    本文提出了一種利用FSAOPMS來表征人的步態(tài)特征信息的算法.其創(chuàng)新點(diǎn)就是將Procrustes統(tǒng)計(jì)分析方法和傅里葉頻譜分析方法有效地結(jié)合在一起.Procrustes統(tǒng)計(jì)分析方法是基于統(tǒng)計(jì)學(xué)的方法,此法可以得到一段視頻中的多幀圖像的有效信息,信息遺漏相對(duì)來說更少,利用Procrustes統(tǒng)計(jì)分析方法得到PMS.PMS的相似性在時(shí)域度量比較困難,但是傅里葉頻譜分析非常善于分析在時(shí)域中不明顯的一些特征;所以,可以利用傅里葉頻譜分析PMS,所得幅度譜中的低頻部分包含了PMS的整體輪廓信息,高頻部分包含了PMS的細(xì)節(jié)信息,以其幅度譜之間的歐式距離作為PMS的相似度測量進(jìn)行識(shí)別.在CASIA Database B上進(jìn)行了實(shí)驗(yàn),與其他3種方法進(jìn)行了對(duì)比,證明了提出的方法在多視角步態(tài)識(shí)別中的優(yōu)越性.

    針對(duì)未來步態(tài)識(shí)別的研究,重點(diǎn)是發(fā)掘更本質(zhì)的特征,同時(shí)采用多特征融合技術(shù),從而使提取的步態(tài)特征能夠更完整地表達(dá)運(yùn)動(dòng)本質(zhì).

    [1]CUNADO D,NIXON M S,CARTER J N.Using gait as a biometric,via phase-weighted magnitude spectra[C]//Proceedings of the International Conference on Audio and Video-based Biometric Person Authentication.Crans-Montana,Switzerland,1997:95-102.

    [2]LEE L.Gait analysis for recognition and classification[C]//Proceedings of the Fifth IEEE International Conference on Automatic Face and Gesture Recognition.Washington,DC,USA,2002:148-155.

    [3]YOO J H,NIXON M,HARRIS C J.Extracting human gait signatures by body segment properties[C]//IEEE Southwest Symposium on Image Analysis and Interpretation.Sante Fe,USA,2002:35-39.

    [4]YANG X,ZHOU Y,ZHANG T,et al.Gabor phase based gait recognition[J].Electronics Letters,2008:44(10):620-621.

    [5]WANG Liang,TAN Tieniu,HU Weiming,et al.Automatic gait recognition based on statistical shape analysis[J].IEEE Transactions on Image Processing,2003,12(9):1120-1131.

    [6]韓鴻哲,李彬,王志良,等.基于傅立葉描述子的步態(tài)識(shí)別[J].計(jì)算機(jī)工程,2005,31(2):48-49,162.

    HAN Hongzhe,LI Bin,WANG Zhiliang,et al.Gait recognition based on Fourier descriptors[J].Computer Engineering,2005,31(2):48-49,162.

    [7]張?jiān)?,吳曉娟,阮秋?基于切向角特征的統(tǒng)計(jì)步態(tài)識(shí)別[J].模式識(shí)別與人工智能,2010,23(4):539-545.

    ZHANG Yuanyuan,WU Xiaojuan,RUAN Qiuqi.Statistical gait recognition based on tangent angle features[J].Pattern Recognition and Artificial Intelligence,2010,23(4):539-545.

    [8]高海燕.正面步態(tài)特征提取方法研究[D].北京:北京交通大學(xué),2009:57-63.

    GAO Haiyan.Researches on front-view gait feature extraction[D].Beijing:Beijing Jiaotong University,2009:57-63.

    [9]趙永偉,張二虎.多特征和多視角信息融合的步態(tài)識(shí)別[J].中國圖象圖形學(xué)報(bào),2009,14(3):388-393.

    ZHAO Yongwei,ZHANG Erhu.Gait recognition via multiple features and views information fusion[J].Journal of Image and Graphics,2009,14(3):388-393.

    [10]阮秋琦.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2007:204-209.

    RUAN Qiuqi.Digital image processing[M].Beijing:E-lectronic Industry Press,2007:204-209.

    [11]程佩青.數(shù)字信號(hào)處理[M].北京:清華大學(xué)出版社,2009:98-193.

    CHENG Peiqing.Digital signal processing[M].Beijing:Tsinghua University Press,2009:98-193.

    [12]KUSAKUNNIRAN W,WU Qiang,ZHANG Jian,et al.Multi-view gait recognition based on motion regression using multilayer perceptron[C]//Proceedings of the IEEE International Conference on Pattern Recognition.Washington,DC,USA:IEEE Computer Society,2010:2186-2189.

    楊靜,女,1987年生,碩士研究生,主要研究方向?yàn)閳D像處理與模式識(shí)別.

    阮秋琦,男,1944年生,教授,博士生導(dǎo)師,北京交通大學(xué)信息科學(xué)研究所所長,國務(wù)院學(xué)位委員會(huì)學(xué)科評(píng)議組成員,IEEE高級(jí)會(huì)員.主要研究方向?yàn)閳D像處理、計(jì)算機(jī)視覺、模式識(shí)別、虛擬現(xiàn)實(shí).曾承擔(dān)國家自然科學(xué)基金重大項(xiàng)目,國家自然科學(xué)基金項(xiàng)目,國家“863”項(xiàng)目,鐵道部、省、市級(jí)科研項(xiàng)目50余項(xiàng).曾獲國家教委科技進(jìn)步二等獎(jiǎng)、鐵道部科技進(jìn)步二等獎(jiǎng)和三等獎(jiǎng)等.發(fā)表學(xué)術(shù)論文350余篇,出版著作3部,獲國家專利1項(xiàng).

    李小利,女,1986年生,博士研究生,主要研究方向?yàn)閳D像處理與模式識(shí)別.

    A Procrustes statistical gait recognition algorithm based on spectrum analysis

    YANG Jing1,2,RUAN Qiuqi1,LI Xiaoli1,2

    (1.Institute of Information Science,Beijing Jiaotong University,Beijing 100044,China;2.Beijing Key Laboratory of Advanced Information Science and Network Technology,Beijing Jiaotong University,Beijing 100044,China)

    As a special means of identification,gait recognition has acquired a lot of attention in a modern society in which information security has become increasingly important.A multi-view gait recognition algorithm based on the Fourier spectrum analysis of Procrustes mean shape(FSAOPMS)was proposed in this paper.Procrustes shape analysis was used to produce a compact Procrustes mean shape(PMS)from the continuous gesture variation of human body contours in gait sequences.The spectrum of the PMS was analyzed using the Fourier transformation,and the Euclidean distance of the amplitude spectrum of the PMS from various sequences was computed.The classifier was the nearest neighbor(NN).The results of comparison with the other three methods in the CASIA database show that the proposed algorithm is more effective in terms of the recognition accuracy.

    gait recognition;Procrustes statistical shape analysis;Procrustes mean shape(PMS);Fourier spectrum analysis(FSA);multi-view recognition

    TP391.4

    A

    1673-4785(2011)05-0432-08

    10.3969/j.issn.1673-4785.2011.05.007

    2011-02-28.

    國家自然科學(xué)基金資助項(xiàng)目(60973060).

    楊靜.E-mail:jingyangsxh@gmail.com.

    猜你喜歡
    傅里葉步態(tài)識(shí)別率
    小螞蟻與“三角步態(tài)”
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識(shí)別率的關(guān)系
    雙線性傅里葉乘子算子的量化加權(quán)估計(jì)
    基于小波降噪的稀疏傅里葉變換時(shí)延估計(jì)
    基于面部和步態(tài)識(shí)別的兒童走失尋回系統(tǒng)
    電子制作(2018年18期)2018-11-14 01:48:04
    基于Kinect的學(xué)步期幼兒自然步態(tài)提取
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    高速公路機(jī)電日常維護(hù)中車牌識(shí)別率分析系統(tǒng)的應(yīng)用
    基于傅里葉變換的快速TAMVDR算法
    咕卡用的链子| 国产精品国产av在线观看| 亚洲午夜精品一区,二区,三区| 啦啦啦视频在线资源免费观看| 久久ye,这里只有精品| 少妇的丰满在线观看| 亚洲五月婷婷丁香| 日韩av不卡免费在线播放| 天天添夜夜摸| 欧美人与善性xxx| 自线自在国产av| a级毛片黄视频| 国产在视频线精品| 9191精品国产免费久久| 亚洲精品国产色婷婷电影| 一区二区av电影网| 免费看十八禁软件| 黄频高清免费视频| 丝袜美腿诱惑在线| 亚洲久久久国产精品| 精品人妻在线不人妻| 久久国产精品男人的天堂亚洲| 国产深夜福利视频在线观看| 国产成人欧美| 激情视频va一区二区三区| 亚洲欧美日韩另类电影网站| 色婷婷久久久亚洲欧美| 大片免费播放器 马上看| 青青草视频在线视频观看| 久久久久视频综合| av片东京热男人的天堂| 69精品国产乱码久久久| 亚洲精品日韩在线中文字幕| 欧美在线一区亚洲| videosex国产| 久久亚洲精品不卡| 在线观看人妻少妇| 美女视频免费永久观看网站| 天堂俺去俺来也www色官网| 亚洲精品一卡2卡三卡4卡5卡 | 日韩一本色道免费dvd| 国产精品 国内视频| 亚洲七黄色美女视频| 交换朋友夫妻互换小说| 欧美日韩综合久久久久久| 国产一区二区三区综合在线观看| 美女中出高潮动态图| 久久狼人影院| 国产在线一区二区三区精| 午夜精品国产一区二区电影| 亚洲精品国产区一区二| 秋霞在线观看毛片| 亚洲精品第二区| 老司机在亚洲福利影院| 亚洲欧美一区二区三区国产| 久久久久网色| 777久久人妻少妇嫩草av网站| 午夜激情av网站| 麻豆乱淫一区二区| 亚洲成人免费电影在线观看 | 久久鲁丝午夜福利片| 亚洲成av片中文字幕在线观看| 国产三级黄色录像| 19禁男女啪啪无遮挡网站| 欧美黑人欧美精品刺激| 免费看不卡的av| 亚洲第一青青草原| av欧美777| 考比视频在线观看| 国产日韩欧美在线精品| 国产成人系列免费观看| 午夜福利视频在线观看免费| 亚洲少妇的诱惑av| 亚洲少妇的诱惑av| 国产真人三级小视频在线观看| 亚洲国产精品国产精品| 国产野战对白在线观看| 免费少妇av软件| 人妻 亚洲 视频| 午夜免费男女啪啪视频观看| 另类亚洲欧美激情| 捣出白浆h1v1| 国产在线免费精品| 最近中文字幕2019免费版| 性色av乱码一区二区三区2| 母亲3免费完整高清在线观看| 亚洲精品自拍成人| 久久精品成人免费网站| 免费看十八禁软件| 日韩av在线免费看完整版不卡| 丝袜人妻中文字幕| 亚洲一卡2卡3卡4卡5卡精品中文| 各种免费的搞黄视频| 日韩av免费高清视频| 一区二区三区四区激情视频| 看免费av毛片| 高清不卡的av网站| 亚洲中文日韩欧美视频| 无限看片的www在线观看| 水蜜桃什么品种好| 国产无遮挡羞羞视频在线观看| 中文字幕制服av| 新久久久久国产一级毛片| 在线观看免费视频网站a站| 熟女av电影| 国产精品一区二区在线观看99| 亚洲国产精品一区二区三区在线| 无遮挡黄片免费观看| 国产亚洲av片在线观看秒播厂| 久久久欧美国产精品| 人妻一区二区av| 久久精品人人爽人人爽视色| 欧美日韩亚洲综合一区二区三区_| 1024视频免费在线观看| 日本色播在线视频| 久久久久久亚洲精品国产蜜桃av| 久久久精品国产亚洲av高清涩受| 99久久精品国产亚洲精品| 一本色道久久久久久精品综合| 色婷婷av一区二区三区视频| 高清av免费在线| 天堂8中文在线网| a 毛片基地| 久久精品亚洲熟妇少妇任你| 亚洲色图 男人天堂 中文字幕| 成人影院久久| 大片免费播放器 马上看| 亚洲欧美日韩另类电影网站| 免费看不卡的av| 日韩大码丰满熟妇| 国产精品三级大全| av国产久精品久网站免费入址| 侵犯人妻中文字幕一二三四区| av欧美777| 一级,二级,三级黄色视频| xxx大片免费视频| 久久青草综合色| 午夜视频精品福利| 精品少妇黑人巨大在线播放| 麻豆av在线久日| 国产男女内射视频| 不卡av一区二区三区| 亚洲国产精品成人久久小说| 日本av免费视频播放| 狂野欧美激情性xxxx| 人人妻人人添人人爽欧美一区卜| 不卡av一区二区三区| 亚洲精品中文字幕在线视频| 亚洲精品久久成人aⅴ小说| www.999成人在线观看| kizo精华| 国产av精品麻豆| 欧美亚洲 丝袜 人妻 在线| 老司机午夜十八禁免费视频| 夫妻午夜视频| 亚洲精品国产av成人精品| 另类精品久久| 一区二区日韩欧美中文字幕| videosex国产| 超色免费av| 亚洲精品国产一区二区精华液| 亚洲精品久久午夜乱码| 午夜福利影视在线免费观看| 欧美亚洲日本最大视频资源| 久热这里只有精品99| 国产精品一区二区在线观看99| 麻豆av在线久日| 高清av免费在线| av国产久精品久网站免费入址| 国产精品国产三级国产专区5o| 欧美av亚洲av综合av国产av| 欧美日本中文国产一区发布| 国产成人精品无人区| av片东京热男人的天堂| 国产免费一区二区三区四区乱码| 免费看av在线观看网站| 美女中出高潮动态图| 日韩熟女老妇一区二区性免费视频| 日韩大码丰满熟妇| 一边亲一边摸免费视频| 国产成人a∨麻豆精品| 午夜两性在线视频| 国产又爽黄色视频| 久久中文字幕一级| 一区二区av电影网| 黄色怎么调成土黄色| 国产亚洲av高清不卡| 欧美在线黄色| 天天添夜夜摸| 久久性视频一级片| 国产片内射在线| 看免费av毛片| 一本大道久久a久久精品| 韩国高清视频一区二区三区| 少妇被粗大的猛进出69影院| av欧美777| 最近中文字幕2019免费版| 欧美日韩亚洲综合一区二区三区_| 亚洲精品自拍成人| 亚洲精品国产一区二区精华液| 天天躁日日躁夜夜躁夜夜| 国产高清视频在线播放一区 | 日韩免费高清中文字幕av| 美女视频免费永久观看网站| 91麻豆精品激情在线观看国产 | 极品少妇高潮喷水抽搐| 精品少妇黑人巨大在线播放| 亚洲熟女精品中文字幕| svipshipincom国产片| av不卡在线播放| 人人妻,人人澡人人爽秒播 | 精品熟女少妇八av免费久了| av一本久久久久| 午夜福利影视在线免费观看| 亚洲图色成人| 欧美激情极品国产一区二区三区| 男女之事视频高清在线观看 | 欧美性长视频在线观看| 日日夜夜操网爽| 丰满饥渴人妻一区二区三| 久久亚洲精品不卡| 免费观看av网站的网址| 日本一区二区免费在线视频| 久久久久久久久免费视频了| 97精品久久久久久久久久精品| 国产真人三级小视频在线观看| 99国产综合亚洲精品| 亚洲色图 男人天堂 中文字幕| 免费av中文字幕在线| a级毛片黄视频| 国产一区有黄有色的免费视频| 国产精品.久久久| 国产熟女午夜一区二区三区| 男女国产视频网站| 高清欧美精品videossex| 97在线人人人人妻| 成人免费观看视频高清| 日本午夜av视频| 国产精品一区二区免费欧美 | 国产黄色视频一区二区在线观看| 极品少妇高潮喷水抽搐| 国产av精品麻豆| 菩萨蛮人人尽说江南好唐韦庄| av国产精品久久久久影院| 国产精品99久久99久久久不卡| 午夜影院在线不卡| 色网站视频免费| 黄色片一级片一级黄色片| 久久 成人 亚洲| 激情视频va一区二区三区| 尾随美女入室| 成人手机av| 久久青草综合色| 国产欧美日韩一区二区三区在线| 色94色欧美一区二区| 国产成人av教育| 啦啦啦中文免费视频观看日本| 国产精品国产三级国产专区5o| 黄片小视频在线播放| 国产精品偷伦视频观看了| 国产人伦9x9x在线观看| 国产精品一区二区精品视频观看| 亚洲国产看品久久| 啦啦啦 在线观看视频| 女人久久www免费人成看片| 在线天堂中文资源库| 青春草视频在线免费观看| 久9热在线精品视频| 国产成人av激情在线播放| 欧美人与性动交α欧美精品济南到| 亚洲免费av在线视频| 高清不卡的av网站| 91字幕亚洲| 一级毛片黄色毛片免费观看视频| xxx大片免费视频| 国产黄色视频一区二区在线观看| 两个人免费观看高清视频| 日本a在线网址| 大码成人一级视频| 久久国产精品人妻蜜桃| 亚洲三区欧美一区| 捣出白浆h1v1| 日本一区二区免费在线视频| 久久国产亚洲av麻豆专区| 涩涩av久久男人的天堂| 色网站视频免费| e午夜精品久久久久久久| 久久精品亚洲熟妇少妇任你| 久热这里只有精品99| 伊人亚洲综合成人网| 制服人妻中文乱码| 国产精品久久久久久精品古装| 欧美黑人精品巨大| 一级,二级,三级黄色视频| 亚洲欧美日韩高清在线视频 | 国产成人一区二区三区免费视频网站 | 免费高清在线观看视频在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久久久精品电影小说| 国产欧美日韩一区二区三 | 十八禁网站网址无遮挡| 欧美人与性动交α欧美精品济南到| 美女福利国产在线| 在线观看一区二区三区激情| 亚洲av欧美aⅴ国产| av天堂久久9| 国产精品久久久久久精品古装| 女人久久www免费人成看片| 国产精品亚洲av一区麻豆| 老司机深夜福利视频在线观看 | 国产91精品成人一区二区三区 | 午夜免费成人在线视频| 久久中文字幕一级| 两人在一起打扑克的视频| 亚洲中文日韩欧美视频| 欧美av亚洲av综合av国产av| 欧美在线一区亚洲| 搡老乐熟女国产| 国产爽快片一区二区三区| 90打野战视频偷拍视频| 久久久久视频综合| 777久久人妻少妇嫩草av网站| 国产主播在线观看一区二区 | 建设人人有责人人尽责人人享有的| 国产在线视频一区二区| 久久久久久亚洲精品国产蜜桃av| 亚洲一区中文字幕在线| 国产91精品成人一区二区三区 | 黄片小视频在线播放| 久久人妻熟女aⅴ| 欧美少妇被猛烈插入视频| 免费在线观看影片大全网站 | 久久这里只有精品19| 免费在线观看视频国产中文字幕亚洲 | 亚洲五月色婷婷综合| 人妻一区二区av| 黄色片一级片一级黄色片| av不卡在线播放| 尾随美女入室| 午夜老司机福利片| 亚洲av片天天在线观看| 国产xxxxx性猛交| 国产一区二区三区av在线| 丝袜美足系列| 成年动漫av网址| 99热国产这里只有精品6| 不卡av一区二区三区| 午夜福利,免费看| 亚洲成国产人片在线观看| 国产亚洲av高清不卡| 成年人免费黄色播放视频| 在线av久久热| 男人爽女人下面视频在线观看| 人妻一区二区av| 18禁黄网站禁片午夜丰满| 久久精品亚洲熟妇少妇任你| 80岁老熟妇乱子伦牲交| 欧美日韩成人在线一区二区| 色婷婷av一区二区三区视频| 一级a爱视频在线免费观看| 国产欧美日韩精品亚洲av| 一本色道久久久久久精品综合| 一级黄色大片毛片| 国产亚洲欧美在线一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品成人av观看孕妇| 国产一区二区激情短视频 | 一级毛片电影观看| 国产高清视频在线播放一区 | 麻豆av在线久日| 99久久综合免费| h视频一区二区三区| 国产一区二区三区av在线| 中文字幕精品免费在线观看视频| 18禁国产床啪视频网站| 操美女的视频在线观看| 久久久久国产精品人妻一区二区| 一二三四社区在线视频社区8| 久久久精品国产亚洲av高清涩受| 亚洲午夜精品一区,二区,三区| www.av在线官网国产| 亚洲综合色网址| 女人被躁到高潮嗷嗷叫费观| 天天操日日干夜夜撸| 校园人妻丝袜中文字幕| 国产日韩欧美在线精品| 大香蕉久久成人网| av电影中文网址| 精品少妇黑人巨大在线播放| 少妇的丰满在线观看| 又紧又爽又黄一区二区| 女性生殖器流出的白浆| svipshipincom国产片| 老熟女久久久| 国产福利在线免费观看视频| 校园人妻丝袜中文字幕| 国产成人系列免费观看| 日本wwww免费看| 看免费av毛片| 国产淫语在线视频| 亚洲av成人精品一二三区| 免费日韩欧美在线观看| 亚洲成av片中文字幕在线观看| 女人精品久久久久毛片| 麻豆乱淫一区二区| 中文字幕人妻丝袜制服| 国产成人av激情在线播放| 久久精品熟女亚洲av麻豆精品| 久久精品久久久久久噜噜老黄| 97人妻天天添夜夜摸| 性高湖久久久久久久久免费观看| 色综合欧美亚洲国产小说| 欧美+亚洲+日韩+国产| 免费人妻精品一区二区三区视频| 亚洲欧美清纯卡通| 男女床上黄色一级片免费看| 精品欧美一区二区三区在线| 欧美日韩亚洲高清精品| 国产成人精品无人区| 精品卡一卡二卡四卡免费| 熟女av电影| 国产精品人妻久久久影院| 久久久久久免费高清国产稀缺| 亚洲av日韩在线播放| 午夜福利视频精品| 18禁国产床啪视频网站| 少妇的丰满在线观看| 老汉色∧v一级毛片| 老司机影院毛片| 欧美久久黑人一区二区| 午夜影院在线不卡| 女警被强在线播放| 啦啦啦啦在线视频资源| 欧美精品一区二区大全| 国语对白做爰xxxⅹ性视频网站| 日本黄色日本黄色录像| 国产成人啪精品午夜网站| 人人妻,人人澡人人爽秒播 | 高潮久久久久久久久久久不卡| 精品一区二区三卡| 精品少妇内射三级| 中文字幕av电影在线播放| 国产精品国产av在线观看| 亚洲av男天堂| 黄色 视频免费看| 欧美精品人与动牲交sv欧美| 性少妇av在线| 99热全是精品| 国产成人精品久久二区二区91| 国语对白做爰xxxⅹ性视频网站| 国产精品九九99| 久久久久久久久免费视频了| 精品人妻在线不人妻| 少妇的丰满在线观看| 久久久久久久国产电影| 青草久久国产| 秋霞在线观看毛片| 亚洲欧美精品自产自拍| 男人爽女人下面视频在线观看| 欧美亚洲 丝袜 人妻 在线| 久久久久久人人人人人| 最新在线观看一区二区三区 | e午夜精品久久久久久久| 亚洲国产看品久久| 我的亚洲天堂| 国产有黄有色有爽视频| 国产视频一区二区在线看| 99精品久久久久人妻精品| 国产亚洲精品第一综合不卡| svipshipincom国产片| 精品人妻在线不人妻| 午夜免费鲁丝| 少妇裸体淫交视频免费看高清 | 国产深夜福利视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 18禁国产床啪视频网站| 午夜日韩欧美国产| 亚洲黑人精品在线| 另类精品久久| 在线av久久热| 黄片小视频在线播放| 丝袜美足系列| 日韩一本色道免费dvd| 每晚都被弄得嗷嗷叫到高潮| 首页视频小说图片口味搜索 | 丝袜美足系列| a级毛片在线看网站| 黄色 视频免费看| 成人国语在线视频| 久久天堂一区二区三区四区| 中文字幕高清在线视频| 久久久久久久久久久久大奶| 亚洲中文字幕日韩| 菩萨蛮人人尽说江南好唐韦庄| 在线观看免费视频网站a站| 欧美久久黑人一区二区| 人体艺术视频欧美日本| 麻豆乱淫一区二区| 国产成人91sexporn| 午夜福利一区二区在线看| 亚洲精品av麻豆狂野| 亚洲国产精品一区二区三区在线| 亚洲精品国产区一区二| 狂野欧美激情性xxxx| 黄片小视频在线播放| 99久久99久久久精品蜜桃| 久久免费观看电影| 天天躁夜夜躁狠狠躁躁| 欧美中文综合在线视频| 女性生殖器流出的白浆| 9热在线视频观看99| 久9热在线精品视频| 午夜影院在线不卡| 精品少妇久久久久久888优播| 久久中文字幕一级| 久久久精品区二区三区| 一本—道久久a久久精品蜜桃钙片| kizo精华| 一本久久精品| 两性夫妻黄色片| 一个人免费看片子| 91老司机精品| 男女之事视频高清在线观看 | 久久天躁狠狠躁夜夜2o2o | 日本猛色少妇xxxxx猛交久久| 国产在线视频一区二区| 国产片特级美女逼逼视频| 69精品国产乱码久久久| 国产精品香港三级国产av潘金莲 | 亚洲七黄色美女视频| 国产精品久久久久久精品古装| 狂野欧美激情性xxxx| 中文字幕人妻丝袜一区二区| 亚洲自偷自拍图片 自拍| 国产黄频视频在线观看| 午夜福利视频在线观看免费| 国产一区二区 视频在线| 你懂的网址亚洲精品在线观看| 亚洲三区欧美一区| 各种免费的搞黄视频| www.999成人在线观看| 在现免费观看毛片| 亚洲人成电影免费在线| 一区二区日韩欧美中文字幕| 大片免费播放器 马上看| 亚洲精品日韩在线中文字幕| 国产日韩欧美亚洲二区| 人人澡人人妻人| 天堂中文最新版在线下载| 欧美亚洲日本最大视频资源| 欧美日韩亚洲国产一区二区在线观看 | 婷婷色麻豆天堂久久| 亚洲伊人色综图| 一级毛片电影观看| 美女脱内裤让男人舔精品视频| 国产亚洲一区二区精品| xxx大片免费视频| 九草在线视频观看| 国产精品99久久99久久久不卡| 久久这里只有精品19| 18禁国产床啪视频网站| 亚洲自偷自拍图片 自拍| 麻豆国产av国片精品| 国产精品麻豆人妻色哟哟久久| 日本av手机在线免费观看| 亚洲一码二码三码区别大吗| 中文字幕亚洲精品专区| 激情五月婷婷亚洲| 国产有黄有色有爽视频| 老司机靠b影院| 国产精品三级大全| 国产av精品麻豆| 欧美日韩黄片免| 亚洲精品国产一区二区精华液| 国产免费现黄频在线看| 建设人人有责人人尽责人人享有的| 少妇的丰满在线观看| 九草在线视频观看| 精品少妇一区二区三区视频日本电影| 七月丁香在线播放| 日本黄色日本黄色录像| 日韩 亚洲 欧美在线| 菩萨蛮人人尽说江南好唐韦庄| h视频一区二区三区| av国产精品久久久久影院| 人体艺术视频欧美日本| 777久久人妻少妇嫩草av网站| 久9热在线精品视频| 波多野结衣av一区二区av| 天堂8中文在线网| 男女下面插进去视频免费观看| 韩国精品一区二区三区| 丰满迷人的少妇在线观看| 高清黄色对白视频在线免费看| 自线自在国产av| 9色porny在线观看| 男女免费视频国产| 乱人伦中国视频| 亚洲欧美日韩高清在线视频 | 性色av乱码一区二区三区2| 少妇粗大呻吟视频| 欧美精品av麻豆av| 日本a在线网址| 黑人巨大精品欧美一区二区蜜桃| 两个人看的免费小视频| 男女免费视频国产| av线在线观看网站| 亚洲欧美日韩高清在线视频 | 亚洲国产精品一区二区三区在线| 成人国产一区最新在线观看 | 久久中文字幕一级| 国产高清视频在线播放一区 | 免费看av在线观看网站| 日本猛色少妇xxxxx猛交久久| 叶爱在线成人免费视频播放|