基於類神經網路與使用全域與運動特徵之人形辨認系統

Abstract

此論文提出了靜態辨認與動態追蹤的方法，可用來偵測一場景中的移動物體，何者為人，何者非人。在靜態的辨別方面，不同於一般常用的基於樣板和外型的方法，我們採用了主成份分析法（Principle Component Analysis）去分析每一張圖形的全域特徵（Global Features），選取足以代表圖形大多數資訊的特徵向量，將圖形經過降維處理後，利用類神經網路的方式訓練。和之前使用特徵人臉（Eigenface）偵測臉部的方式最大的不同在於，特徵人臉的方法使用的只有臉部的圖形，而本實驗需要同時將人與非人的圖形同時選擇，在PCA中一起做特徵萃取的動作，才能達到效果。最後利用將結果送進一個多層級的倒傳遞類神經網路（Multilayer Back-propagation Neural Network），其輸出結果即顯示此移動物體為人或非人。利用此方法，在人的辨認度上可以達到96%，在非人的辨認度上可以達到91%。 在動態的部份，本實驗可以利用運動的特徵（Motion Feature）分辨出同一個場景中移動的人以及人形看板。首先我們將人的移動分為兩部份來處理，一為側向，一為直向，兩種在移動的特徵有非常大的不同。側向的移動我們利用寬度變化的特定頻率為特徵做判別，直向的移動則是利用特定部位的質心移動方式作為判定特徵。利用此方法在實際的運用上，可達到不錯的成效。