基于步态的身份识别-中国科学院自动化研究所

《基于步态的身份识别-中国科学院自动化研究所》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于步态的身份识别*基于步态的身份识别王亮胡卫明谭铁牛（中国科学院自动化研究所模式识别国家重点实验室北京100080）摘要随着安全敏感场合对视觉监控系统的迫切需求，非接触式远距离的身份识别研究近来倍受关注。本文提出了一种简单有效的自动步态识别算法。对于每个序列而言，一种改进的背景减除方法用于检测行人的运动轮廓；然后，这些时变的2D轮廓形状被转换为对应的1D距离信号，同时通过特征空间变换来提取低维步态特征；基于时空相关或归一化欧氏距离度量，标准的模式分类技术用于最终的识别。实验结果表明该算法不仅获得了令人鼓舞的识别性能，而且拥有相对较低的计算代价。关键词生物特征识别，

2、步态识别，背景减除，主元分析，时空相关中图法分类号：TP3911引言[1]计算机视觉中人运动的视觉分析是从图像序列中进行人的检测、跟踪、识别和行为理[3]解；而模式识别中生物特征识别技术是利用人的生理或行为特征进行身份鉴别。随着安全敏感场合（如银行、机场等）对智能监控系统的需求，非接触式远距离的身份识别技术近来[2]倍受关注。例如，美国DARPA2000年重大项目——HID计划，它的任务就是开发多模态视觉监控技术以实现远距离情况下人的检测、分类和识别，从而增强国防、民用等场合免受恐怖袭击的自动保护能力。马里兰大学、麻背景建模省理工学院等26家高校或公司参与了此项工作

3、，重点在于动态脸像识别和步态识别。步态识别是生物识别技术的一个新兴领步态检测与跟踪[4]域，它旨在根据人们走路的姿势进行身份运动人区域序列识别。脸像、指纹等生物特征，通常要求近距离或接触性的感知（如指纹需要接触指纹运动轮廓提取扫描仪等）。它们在远距离情况下将不可能被使用，而步态此时仍是可感知的，因此它引起了视觉研究者的浓厚兴趣。轮廓解卷绕尽管步态识别是一个新的研究领域，近[5-17]年来已涌现出一些尝试性的工作。最早识别行人的方法也许是由Niyogi与Adelson提特征归一化[5][6]出的。Cunado等将大腿建模为链接的钟1D距离信号序列摆，并从其倾斜角度信号

4、的频率分量中获取步态特征。Little与Boyd[7]从光流图像中获取训测特征空间计算特征空间投影频率和相位特征来识别个人。Murase与练试[8]Sakai提出了一种时空相关匹配的方法用于已创建的[9]区别不同的步态，Huang等通过增加正则分分类数据库[10]析扩展了他们的工作。近来，Shutler等提出了一种基于时间矩的统计步态识别算法；图1步态识别算法框图*本课题得到国家自然科学基金（69825105,60105002）及中科院自动化所创新基金（1M02J04）资助.1基于步态的身份识别[11][12]Hayfron-Acquah使用广义对称性算子进行步态识

5、别；Johnson与Bobick在步态识别中使[17]用了静态身体参数；Yam等尝试利用跑步行为进行人的识别。但仍需强调的是，步态识别研究目前仍处于起步阶段：1）实验通常是在受限的条件下实现的，如相对简单的背景、相对于摄像机而言人的侧面行走等；2）算法评估都是在小样本数据库上进行的，一般最多不超过7人、40个测试序列。直观上，基于步态的身份识别很大程度上依赖于人体轮廓形状随着时间的变化过程。故我们可将步态序列看作由一组静态姿势所组成的模式，然后在识别过程中引入这些观察姿势随着时间的变化信息。本文提出了一种基于统计主元分析的步态识别算法，系统流程如图1所示。对于输入步

6、态序列而言，利用改进的背景减除方法进行人的检测和跟踪；然后，通过边界跟踪实现行人轮廓的提取，并将其展开为对应的1D距离信号；训练过程使用经典PCA方法进行特征空间的计算，而测试过程将获取的距离信号序列在特征空间中投影并结合已创建的数据库实现个体的身份识别。NLPR数据库上的实验结果验证了算法的有效性。2特征提取2.1步态检测与跟踪[18]1）背景建模：我们采用LMedS(LeastMedianofSquares)方法从图像序列中恢复背景图像。令I代表一个包含N帧图像的序列，则背景图像Bxy可表达为t2Bxy=minqmedt(Ixy-q)(1)其中，q是像素（x,y

7、）处待确定的灰度值。2）差分及二值化：亮度变化常常通过当前图像和背景图像的差分来获得。然而，二值化阈值的选择却是非常困难的，尤其对于那些低对比度的图像，由于亮度变化太低而难以从[19]噪声中将运动目标完全地提取出来。故我们使用下述函数来间接执行差分操作ì2(a+1)(b+1)2(256-a)(256-b)ïf(a,b)=1-×ï(a+1)+(b+1)(256-a)+(256-b)í(2)0£f(a,b)<1ïïî0£a(x,y),b(x,y)£255其中，a(x,y)与b(x,y)分别是当前图像和背景图像在像素（x,y）处的亮度值。该函数可根据背景图像的亮度来检