步态识别技术研究综述.docVIP

步态识别技术研究综述 　　【摘 要】步态识别是生物特征识别技术的一个新兴领域，旨在根据人们走路的姿势进行身份识别。本文对步态识别过程的步态检测、步态特征提取、步态分类与识别三个阶段进行了综述，分析了现有步态识别算法的特点，总结了步态识别研究存在的问题及未来研究方向。 　　【关键词】生物特征识别；步态识别；步态检测；特征提取 　　0 引言 　　生物特征识别技术是根据每个人独有的、可以采样检测的生理特征或行为特征进行身份识别的技术。第一代生物特征识别技术主要利用人的指纹、脸像等特征进行识别，这通常要求上体近距离或接触性的协作感知，在远距离的情况下，这些特征不可能被利用。 　　由于个体之间身体结构和运动行为上的基本特性不同，步态运动为人的识别提供了独特的线索。步态具有非接触性、难以隐藏或伪装、易于捕捉等特点，且不受距离影响。除了步态本身的特点，PC处理器能力的提升，高速数据存储设备的出现，人体建模、运动跟踪等计算机视觉处理技术的提高等因素使得步态识别技术成为一种新的可行的安全应用，极具研究意义与研究价值。 　　近几年来步态势识别技术引起了世界各国学术科研机构的广泛的关注。美国国防高级研究所项目署资助的重大项目――HID（Human Identification a Distance）计划开展的多模态视觉监控技术以实现远距离情况下的人的检测、分类和识别。 　　1 步态识别过程 　　步态识别旨在根据人行走时的姿势来进行人的身份认证。步态识别过程可以划分为步态检测、步态特征提取、步态分类与识别三个阶段。 　　1.1 步态检测 　　步态检测是从人行走的视频序列中提取步态轮廓区域，这方面的工作包括背景建模、前景检测和形态学后处理等。步态轮廓的有效分割对于特征提取、分类识别等后期处理非常重要，因为后续处理过程仅考虑图像中轮廓区域的像素。常用的步态检测方法有背景减除法、时间差分法、光流法等。 　　1.2 步态特征提取 　　步态特征主要分为两大类：人体结构特征和运动行为特征。前者反映了人体的几何特性，如身高和体形；后者主要指行走时的肢体运动参数的变化。步态特征提取的方法主要有基于模型的方法和基于非模型的方法。 　　1.2.1 基于模型的方法 　　基于模型的方法是将人体结构或人体运动建模后，利用二维图像序列数据与模型数据进行匹配以获取特征参数。人的步行存在着携带背包、雨伞等足以改变外形、掩盖部分身体的现象，在很多运动场合还存在身体自我遮挡现象，基于模型的方法能够成功解决遮挡问题，原因在于模型是依赖于图像序列中人的运动模式而建立，能够反映当前的变化，还能对过去和将来的变化进行估算。常用的模型主要有：Lee构建的椭圆模型，即用椭圆来匹配运动人体的二值化侧影的不同身体部位，以椭圆的质心、离心率等参数反映人体步态特征参数[1]；Cunado建立的钟摆模型，将大腿建模为链接的钟摆，并从其倾斜角度信号的频率分量中获取步态特征[2]；Yoo建立的骨架图模型，即用直线近似在关节点处所连接的骨骼来表达人体[3]。 　　1.2.2 基于非模型的方法 　　非模型的方法是通过对位置、速度、形状等相关特征的预测或估计来建立相邻帧间的关系。例如，Little等[4]利用步态序列图像的光流频率和相位作为特征；Kale等[5]提取人体轮廓图像的宽度向量作为特征；Shutler[6]等引入速度矩作为特征；王亮等[7]提取轮廓点到人体质心的距离向量作为步态特征。 　　1.2.3 步态分类与识别 　　步态的分类识别过程，即采用适当的方法将待识别的步态与步态数据库中的步态模式进行匹配，通过一定的判别依据决策它所属的类别。考虑到步态的运动特性，对其分类识别也需要采用基于动态系统的识别方法。 　　2 结论 　　美国“9.11”事件之后，国际社会反恐形势更为严峻，加强重点场所的安全监测，提高身份识别能力，是反恐必不可少的措施。步态可在被观察者没有察觉的情况下进行非接触性的感知和度量，具有较好的非侵犯性。因此，从视觉监控的角度来看，步态识别是非常具有潜力的生物特征识别技术。当前文献报道的各种步态识别方法大多数是在一定实验假设条件下进行测试的，还没有应用到实际生活中。实际监控场景往往很复杂，可能存在多个运动物体，背景图像受天气、光照等外界因素的影响变化较大。以日照条件下运动目标的影子为例，它可能与被检测的目标相连，也可能与目标分离。前者，影子扭曲了目标形状，使基于轮廓的步态识别方法不再可靠；后者，影子可能被误认为场景中一个错误的目标。因此，实现实际场景下的步态检测仍然是一个挑战。 　　【参考文献】 　　[1]L.Lee.Gait analysis for recognition and classification[C]//Proceedings