一种基于步态的身份识别新方法.pdfVIP

第31卷第6期 南昌大学学报(理科版) Vol_31 No．6 2007年12月 Journal of Nanchang University(Natural Science) Dee．2o07 文章藁号：1006—0464(2007)06—0602—03 一 种基于步态的身份识别新方法 周卫民，赵喜玲，李其申 (南昌航空大学计算机学院，江西南昌 330063) 摘 要：步态识别是通过人走路的姿态进行身份识别的新兴生物特征识别技术。算法利用步态的动态特征和形状 信息进行步态识别。首先，对某个人的一个步态序列利用动态Viterbi算法得到一个样本姿态序列，对其多个步态 样本姿态序列的对应姿态取平均得到这个人的特征姿态序列，然后对特征姿态采用主成分分析法处理特征空间， 最后用最近邻法进行识别。利用USF／NIST数据库对本文方法进行了验证，取得了较高的识别率，并对体形变化具 有较强的鲁棒性。 关键词：步态；隐马尔可夫模型；Viterbi算法；主成分分析 中图分类号：TP391 文献标识码：A 步态识别通过对人体走路姿态的分析来区分不同人的 二值化。获取步态图像序列。背景相减法利用当前图像与背 身份。个体之间在身体结构和运动行为上的基本特性存在 景图像的差分来检测出运动区域。检测得到的步态图像中 很大的不同，如果考虑人行走过程中的所有因素，步态信息 可能含有噪声和空洞，利用一系列数学形态学操作，填充空 对不同的人是唯一的，步态为人的身份识别提供了独特的线 洞和滤除噪声。采用数学形态学的开运算和闭运算能有效 索。20世纪9o年代，Niyogi和Adelson用计算机视觉和模式 地消除噪声和填充空洞，而图像的位置和形状不变。通过对 识别技术进行了步态识别的研究…。近年来，专家学者提出 步态图像进行边缘跟踪，得到步态图像的轮廓。为消除图像 了不少步态识别方法。Amit Kala等利用人行走时的二值化 尺度、信号长度对算法训练和识别过程中的影响，须将步态 图像的侧面轮廓作为图像的特征，对于每个人在一个步态周 图像进行规则化，从而使图像大小统一。本文经过规则化后 期内利用C均值算法选择一个标本集合，在识别的过程中计 的图像大小取为128×80个像素。 算一个步态序列的每一帧与标本之间的FED(Feature Exam— 2 步态序列的表示 pie Distance)距离量，采用隐马尔可夫模型(HMM，Hidden Markov Mode1)进行识别 。Lee对人的侧面二值化图像采 2．1 观察模型 用7个椭圆表达其身体的不同部分，并利用质心等4个特征 经过上述一系列图像预处理后，得到步态图像的初始序 表示每一个椭圆，再加上整个身体图像质心的高度共29个 列。在一个步态序列X中，需找出能表示行走姿态的关键帧 特征表示整个人体侧面图像，通过模板匹配方法进行识 集合，本文采用K均值聚类方法获得关键帧。首先从一个周 别 j。Cunado等将大腿和小腿建模为链接的钟摆，并从其倾 期的步态图像按顺序选取有代表性的Ⅳ个姿态作为初始分 斜角度信号的频率分量中获取步态特征 。上述算法对外 类中心，然后将步态序列的图像按照距离最小原则分配到Ⅳ 表、观察角度、携带情况以及步行速度等变化因素时的识别 个聚类中心，这样聚类中心图像基于均值m 的灰度值就被 均存在薄弱之处 J。本文在文献 和文献 方法的基础上， 反复重置，最后以各聚类中心图像作为关键帧。设 为聚到 提出了一一种基于HMM的新方法。本文对步态序列采用Vit— 第i个聚类中心的图像数目， 。为聚到第i个聚类中心的步态 erbi算法，得到样本姿态序列，然后对某个人的多个步态序 图像，m 为第i个聚类中心的灰度均值，即 列对应的