基于安防监控的跨视角步态身份识别技术的研究.pdfVIP

摘要

步态身份识别是指利用计算机技术，通过步态图像序列中的身体空间特征、步

幅步频、步态周期等等信息对行人身份进行识别判断的技术。随着计算机科学的发

展与互联网信息化进程的加快，视频监控系统在室内外公共安全领域得到大量普

及与应用，其中步态识别是一项新兴的身份识别技术。

步态特征是生物行为特征中最具有代表性的特征之一，具有普遍性、唯一性、

稳定性和非接触易采集等特点。受限于轮廓分割的繁琐人工操作、步态过程中的衣

着、视角等鲁棒性挑战，目前的步态识别技术停留在算法研发阶段，缺乏投入使用

的成熟步态识别系统。针对以上问题，本文研究了一套端到端的步态识别算法，并

设计了相应的系统，探索了室内安防场景下的身份识别的实用性。

本文的主要研究内容包括以下几个方面：

(1)探索了现有的轮廓分割算法，比对了静态图像的语义分割、实例分割以及半

监督视频分割技术各自的优劣，为两种技术分别思考了适用的场景。研究并改进了

一种基于VisionTransformer的语义分割网络，在ADE20K数据集上取得了性能提

升，具体体现在person类的IoU提升1.07%，达到68.46%，准确率提升2.11%，

达到85.85，同时总体IoU与准确率也有略微提升。研究了一种基于Transformer的

半监督视频分割网络，通过自建数据集测试了两种算法的性能差异。

(2)研究了一种空间-时序分离串行处理的步态识别网络GaitPart，并在其基础上

分别在空间特征和时序特征提取阶段对网络结构进行了改良。为了验证步态能量

图(GaitEnergyImage，GEI)思想的正确性，在时序阶段设计了一个周期预测模块。

为了证明全局时序特征与微动作特征具有同等的重要性，基于注意力机制提取了

一个全局特征时序分支，与原本的微动作分支合并，使模型在CASIA-B数据集上

的准确率有了性能的提升，特别是对于背包状态下的总体准确率提升3.8%，到达

了94.4%，穿着大衣的情况下准确率提升5.4%，到达了84.1%。

(3)将轮廓分割算法与步态特征提取算法相结合，实现了一套端到端的步态身份

识别系统，支持输入原始步态监控视频，经过自动的轮廓分割、裁剪、孔洞填充等

一系列处理后得到步态序列，直接送入步态网络提取身份特征向量，并存入本地步

态信息库，支持用户进行身份比对查询。此外，借助上述系统设计了实验，针对

CASIA-B数据集中没有涉及到的跨视角问题和周期变动问题，自行采集数据进行

了测试。根据测试结果得出，本文所述的算法与系统可以满足普通的室内安防场景

的应用需求，论证了系统的实用性。

关键词：深度学习，模式识别，步态识别，半监督视频分割

ABSTRACT

Gaitidentityrecognitionisatechnologythatusescomputertechnologytoidentify

andjudgepedestrianidentitythroughtheinformationofbodyfeatures,stridelengthand

stridefrequencyingaitimagesequence.Withthedevelopmentofcomputerscienceand

theaccelerationoftheInternetinformatizationprocess,videomonitoringsystemhasbeen

widelyappliedinthefieldofindoorandoutdoorpublicsecurity,amongwhichgait

recognitionisanewidentificationtechnology.

Gaitfeatureisoneofthemostrepresentativecharacteristicsofbiologicalbehavior,

whichhasthecharacteristicsofuniversality,uniqueness,stabilityandnon-contacteasy

acquisition.Limitedby