基于姿态估计和确定学习的步态识别.pdfVIP

摘要

步态识别作为生物特征识别领域的一项前沿技术，因其动态性、非侵入性

和难以模仿的特点而备受瞩目。在诸多步态识别算法中，基于轮廓的步态识别

技术因其低计算量和高识别率而受到众多学者的关注，但这种方法对步态基础

数据的质量要求高，极易受到个体外观变化的影响。近年来，有学者提出了基

于确定学习理论的步态识别方法，主要从动力学的角度对步态信息进行建模和

分析，但该方法特征提取的过程很大程度上依赖传感器或手工计算，这限制了

其实际应用。针对上述问题，本文拟研究以下内容：

1、针对OpenPose算法对单张图片姿态估计因缺少连续帧信息而导致的关节

点错检和漏检的问题，提出PyraPoseNet算法。该算法引入生理约束条件和金字

塔处理技术，旨在提高关节点检测的准确性。在特征提取阶段，基于关节点检

测步态周期，提取人体步态的类周期动力学特征，为后续的步态模式识别奠定

数据基础。以此克服传统基于模型的步态识别方法对传感器或手工计算特征的

依赖。

2、基于提取的步态特征，引入确定学习算法进行步态识别。应用确定学习

理论，从系统动力学的角度对步态特征进行局部准确建模，为个体创建专属的

动态估计器，并以常值神经网络的形式存储动力学信息，构建步态模式库。在

识别阶段，将模式库所构建的动态估计器与测试模式进行对比，以状态同步误

差作为评价指标，识别出与训练步态相似的步态模式。该方法不仅能实现良好

的步态识别效果，还能通过步态数据的存储和更新不断丰富模式库，在新的识

别任务下不断提高识别率。

3、在CASIA-A和CASIA-B两个公开步态数据集上展开实验，以验证上述算

法的可行性和有效性。基于CASIA-A数据集，以步态周期和髋关节以及膝关节

角度作为步态特征，验证所提算法的识别率。在CASIA-B数据集上，通过融合

步态关节点的运动学特征和时空特征，验证该方法在大规模数据集中处理外观

变化时算法的鲁棒性。此外，基于MATLAB设计集特征提取、步态建模以及识

别功能为一体的步态识别系统，拟为实际的步态识别应用提供实践平台。

关键词：步态识别；姿态估计；确定学习；步态模式库；特征融合

ABSTRACT

Asacutting-edgetechnologyinthefieldofbiometricrecognition,gaitrecognition

hasattractedmuchattentionbecauseofitsdynamic,non-invasiveanddifficultto

imitatecharacteristics.Amongmanygaitrecognitionalgorithms,thecontour-basedgait

recognitiontechnologyhasattractedtheattentionofmanyscholarsbecauseofitslow

computationandhighrecognitionrate.However,thismethodhashighrequirementson

thequalityofbasicgaitdataandiseasilyaffectedbyindividualappearancechanges.

Inrecentyears,somescholarshaveproposedgaitrecognitionmethodsbasedon

deterministiclearningtheory,whichmainlymodelandanalyzegaitinformationfrom

theperspectiveofdynamics.However,thefeatureextractionprocessofthismethod

largelyreliesonsensorsormanualcalculation,whichlimitsitspracticalapplication.In

viewoftheaboveproblems,thispaperintendstostudythefollo