一种基于特征融合的步态识别身份认证方法

摘要

基于特征融合的步态识别身份认证方法，该方法包括：首先，摄像头实时采集当前背景图像和检测目标的步态原始图像序列，采用灰度化、欧式算法、中值滤波等方法获得二值步态图像序列；然后直接对人物轮廓像素点进行提取，获得基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；最后利用SVM算法和贝叶斯算法相融合的新算法对检测目标分类，输出最终的识别结果。该方法能够快速准确地去除背景，且提高了不同环境下的适应性。此外，由于传统贝叶斯算法的前验概率是根据以往的经验而人为设定的，导致其识别率较低，而融合了SVM算法后能够提高贝叶斯算法的前验概率，使得整体的识别精度能有显著提升。

主权项

一种基于特征融合的步态识别身份认证方法，其特征在于包括以下步骤：S1.摄像头实时采集当前环境的背景图像和检测目标的步态原始图像，并对图像进行灰度化处理，得到灰度化的图像序列；S2.将灰度化后的步态序列图像用欧式算法去除背景，初步得到去除背景后的步态序列二值图像；S3.将初步得到的步态序列图像进行中值滤波处理，将图像中的孤点噪声去除，得到最终的去除背景后的步态序列二值图像；S4.直接对人物轮廓像素点进行提取，获得轮廓边缘特征向量；S5.对所获得的轮廓边缘特征向量进行处理，得到基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；S6.利用步态特征向量数据库中的所有步态特征向量分别以动态特征和静态特征用基于径向基核函数的SVM分类器分类得到新的特征向量；S7.将SVM的训练结果交由基于m估计的贝叶斯算法进行识别；S8.输出识别结果。