基于序列統(tǒng)計特性的步態(tài)識別算法研究.pdf

1、步態(tài)是指人的行走方式,由于其遠距離、非接觸性、難于隱藏和偽裝等特點,被認為是遠距離情況下進行智能視覺監(jiān)控的最具潛力的生物特征。步態(tài)識別是指根據(jù)人的行走方式來識別其身份,近年來引起了計算機視覺研究者們的濃厚興趣。步態(tài)識別技術(shù)的研究可以促進計算機視覺和模式識別理論的發(fā)展,具有重要的理論意義；步態(tài)識別技術(shù)在安全敏感場所的視頻監(jiān)控、特殊場合的訪問控制、輔助破案等方面也有著廣泛的應(yīng)用價值。
　　 基于視頻的步態(tài)識別技術(shù)的研究對象是包含人體

2、運動的步態(tài)側(cè)影圖像。由于相機抖動、光線變化、遮擋等噪聲的存在,使得檢測到的步態(tài)側(cè)影質(zhì)量較低。因此,本文不考慮從單幀側(cè)影中進行特征提取或匹配,而是對一定時間間隔內(nèi)的所有步態(tài)圖像進行統(tǒng)計分析和處理,將人體姿態(tài)的時空變化特性用某種統(tǒng)計值來代替,本質(zhì)上屬于統(tǒng)計步態(tài)識別方法。本文的研究目的在于提高步態(tài)識別算法的識別性能和校驗性能,促進步態(tài)識別技術(shù)朝著實用化的方法發(fā)展。本課題的研究得到了國家自然科學基金(編號60675024)的支持。
　　

3、 本文的研究成果與創(chuàng)新點主要包括:
　　 1)為了解決步態(tài)側(cè)影圖像質(zhì)量低劣的問題,提出了一種基于概率模型的步態(tài)側(cè)影修復算法,專門用于修復殘缺的步態(tài)側(cè)影圖像。首先對所有步態(tài)側(cè)影圖像進行質(zhì)量評估,自動檢測出質(zhì)量不高的圖像；然后利用訓練好的個體模型對需要修復的側(cè)影進行序列內(nèi)的模型修復；若依然存在質(zhì)量較差的側(cè)影,再利用群體模型對其進行修復。實驗證明經(jīng)修復后的側(cè)影不僅質(zhì)量更高且能提高算法的識別率。該算法的特點在于僅對需要修復的側(cè)影進行更新

4、,而且更大程度上進行的是一種自我修復,因增強了類內(nèi)相似度而更利于分類。
　　 2)以序列的均值形狀為基礎(chǔ),本文提出了一種基于形狀上下文的統(tǒng)計步態(tài)識別新方法。引入形狀上下文描述子來表征均值形狀上采樣點的分布情況,得到的歸一化直方圖分布是一種信息量豐富的步態(tài)特征,稱為形狀上下文矩陣。為了減少點匹配帶來的計算負擔,本文通過設(shè)置統(tǒng)一的初始采樣點及循環(huán)移位操作來實現(xiàn)采樣點間的快速匹配。實驗結(jié)果證明,引入這種新的形狀描述方法可以帶來算法識別

5、性能上的收益。
　　 3)以步態(tài)序列的均值形狀為基礎(chǔ),本文還從形狀在參考點處的局部走向和發(fā)展趨勢著手,提出了一種基于切向角特征的統(tǒng)計步態(tài)識別新方法。計算均值形狀上所有采樣點的切向量在向量空間中所對應(yīng)的角度值,即可得到切向角步態(tài)特征TAF。利用局部切向差距離來計算任意兩個TAF之間的相似性,并用最簡單的標準分類器實現(xiàn)步態(tài)識別。實驗結(jié)果表明該方法能獲得較好的識別準確率。
　　 4)以步態(tài)序列的均值側(cè)影為基礎(chǔ),提出了一種基于虛

6、擬GEI的步態(tài)識別算法。對GEI進行位平面分解,并將所有位平面按某種權(quán)值進行加權(quán)組合可得到GEI的結(jié)構(gòu)圖像和細節(jié)圖像,分別代表GEI的結(jié)構(gòu)信息和細節(jié)信息。在復數(shù)空間中表示結(jié)構(gòu)圖像和細節(jié)圖像,便得到虛擬步態(tài)能量圖VGEI。結(jié)合復空間中的廣義PCA變換對VGEI進行降維處理,得到低維的步態(tài)特征表達。經(jīng)典的歐氏距離被用來計算不同步態(tài)特征之間的相似性,NN分類器被用來完成目標分類。實驗結(jié)果驗證了基于VGEI的步態(tài)識別算法的有效性。
　　

7、 5)以均值側(cè)影為基礎(chǔ),提出了一種基于紋理分析的步態(tài)識別算法,從紋理分析的角度提取GEI的紋理特征來實現(xiàn)步態(tài)識別。提取的紋理特征包括局部變化幅度、局部標準差和局部熵等。采用相應(yīng)的局部變化幅度圖像、局部標準差圖像和局部熵圖像進行步態(tài)識別,在CASIA數(shù)據(jù)集上均表現(xiàn)出較好的識別性能和校驗性能。實驗結(jié)果說明紋理特征比原始的GEI特征具有更強的鑒別能力。
　　 6)為了獲得更優(yōu)的識別性能和校驗性能,本文還對基于特征融合的步態(tài)識別算法進行