55、基于视频的行走状态识别与核主成分分析的加速幂方法

基于视频的行走状态识别与核主成分分析的加速幂方法

在计算机视觉领域，行走状态识别和核主成分分析（KPCA）是两个重要的研究方向。行走状态识别对于分析人类行为和活动具有重要意义，而KPCA则在处理大规模数据集时面临着存储和计算的挑战。本文将介绍一种基于多视角的行走状态识别方法，以及一种用于计算核主成分的加速幂方法。

1. 基于视频的行走状态识别

在很多计算机视觉分析应用中，视频序列中移动物体的分割是一项基础任务，如视频监控、多媒体索引、人员检测与跟踪等。然而，由于光照变化、背景微小移动、移动阴影和遮挡等因素，精确检测移动物体仍然是一个难题。

采用先进的背景减法来检测移动物体，具体步骤如下：
1. 估计每个像素的强度变化，通过整合上一帧中标记为“静态”的具有相同强度值的其他像素所呈现的所有变化。
2. 通过比较从参考图像和当前图像中选择的区域之间的相关性来删除阴影。

由于背景并非固定不变，在运动检测后使用形态学操作来消除移动噪声，然后根据人体的长宽比用矩形包围移动的人。

1.1 运动状态分析

现有的人体步态识别方法大多基于侧视角度，而正视角度的方法较少，且较少利用人体的上部信息。在本研究中，基于上半身信息提取运动周期，进而识别运动状态。

• 轨迹提取 ：

  • 移动人员的质心和面积会随时间变化。轨迹提取主要有三种方法：生理方法、基于傅里叶变换的方法和物理方法。采用物理方法获取轨迹并识别人员的运动状态。
  • 生理方法和基于傅里叶变换的方法可在90度或接近90度的视角检测