1. 研究目的与意义（文献综述）
1、1目的及意义
现在随着科技的快速发展，目前的社会已经处于一个信息时代。在现在的生活中需要人们需要通过一些特定的特征判断一个人的身份，生物特征识别技术便作为一种新兴的身份鉴别技术，在目前社会中的应用也越来越广泛。目前被广泛使用且技术成熟的生物鉴别技术有虹膜、人脸面部、指纹解锁等，但是以上列举的几种生物鉴别技术对于生物特征的提取需要近距离接触和高分辨度的高清摄像头进行辨别。
步态识别作为一种可以远距离进行识别的生物特征，它以易采集、远距离、隐蔽性高并可以在低视频质量的环境下识别等优点得到了近些年来国内外研究者的广泛关注和研究。
2. 研究的基本内容与方案
本论文为基于机器视觉理论为基础，以matlab平台，对于步态识别采用图像处理技术（图像去噪，形态学处理，边缘检测），对于给出的步态图片建库使用卷积神经网络进行深度学习，使系统能对步态图片进行识别和分类，最后对算法进行优化，并集成在一个gui上，达成一个完整的步态识别系统并建立较为完善的步态模型。
①首先对所采集的图像进行灰度处理及去噪处理，对比常用的几种去噪的方法，选择出一个最为合适的。②采用中值法得到背景图像。③为了实现背景像素和目标像素分离得到二值化图像，常用检测方法有时间差分、光流法、背景减除法等，通过对比筛选，本文拟用背景减除法。④对于二值化图像采用形态学处理（腐蚀、膨胀）⑤对于处理后的图像进行边缘检测。⑥对于采集的视频进行筛选完成人体步态的步态周期检测。⑦将图像的步态特征进行提取，对不同的步态特征采用不同的算法（主要参数基于人体框架图）⑧完成后将步态特征于正常人相符合的数据进行建库训练，拟用restnet101（预训练模型）对步态图片进行深度学习训练，利用预训练模型得到基于步态轮廓图的深度卷积特征图，每个轮廓和两个相邻帧之间的差异被输入一个卷积神经网络，以提取当前代表步态信息的有用特征。通过特征学习把卷积神经网络产生出的特征映射展开成一维向量的形式，把这些向量输入到全连接层网络中，通过前向传播算法来对输入的数据进行训练学习最后采用softmax对特征数据进行分类识别，若步态特征图与正常数据不符则进行判断。⑨对算法进行优化，并通过matlab的gui把上述过程中所涉及的算法集成一体。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1]刘畅,魏忠诚,张春华,王巍,赵继军.基于隐马尔可夫模型的步态识别算法[j].计算机工程与设计,2019,40(12):3487-3493.
[2]罗坚,黎梦霞,罗诗光.一种基于深度摄像机的3d人体步态建模和识别方法[j].光学技术,2019,45(06):737-743.
[3]侯健潮,宋春林.一种基于腿部模型的步态识别算法[j].信息技术与信息化,2019(02):99-103.
