[發明專利]一種具有監督機制的步態識別方法

在審

• 申請號: 201310004713.0
• 申請日: 2013-01-08
• 公開（公告）號: CN103235928A
• 公開（公告）日: 2013-08-07
• 發明（設計）人: 楊旗
• 申請（專利權）人: 沈陽理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 沈陽利泰專利商標代理有限公司 21209
• 代理人: 李樞

技術領域

本發明涉及計算機科學及圖像處理技術領域，特別提供了一種具有監督機制的步態識別方法。

背景技術

作為遠程生物特征認證技術，步態識別越來越受到人們的重視．步態識別就是根據人走路的姿勢進行遠距離身份認證．步態具有非侵犯性、難于偽裝，不像指紋或虹膜識別在特征提取時需要與被識別目標保持近距離接觸，因此步態是遠距離視頻監控領域最具有潛力的生物特征。

近些年來對步態識別的研究日益增多，大都是通過提取人行走的步態輪廓后進行識別，技術可分為兩類；一是利用步態輪廓的靜態信息，如Kim提出了基于主動輪廓模型及運動預測的步態識別[Kim?D,?Paik?J.?Gait?recognition?using?active?shape?model?and?motion?prediction?[J],?Computer?Vision?IET,?2010,?4(1):?25?–?36.]，主要是利用人體行走的輪廓信息采用主動形狀模型（ASM）進行識別，這類算法依賴人體靜態輪廓，通常受穿著，背包影響識別效果，如圖1所示。二是采用提取輪廓的動態信息，這類進行研究的算法很多，如基于步態能量圖像（GEI）和2維主成分分析的步態識別方法[王科俊,劉麗麗,?賁晛燁.?基于步態能量圖像和2維主成分分析的步態識別方法?[J]，中國圖象圖形學報,2009?,14(12)?:2503-2509]，此方法利用GEI圖像作為步態特征圖像，進行2維主成分分析，但同樣由于GEI圖像只是人體步態幀和的平均值構成的圖像，必然受到外套、背包等影響，在正常、外套、背包的單一類訓練樣本中有較高識別率，在外套、背包、正常混合模式下識別率較低，如圖2所示；圖2為同一個人在正常行走、穿外套、背包下的GEI圖像，可以看出GEI圖像在三種狀態下的外形輪廓靜態信息差別很大，故識別率較低；為了改善GEI圖像丟失太多的動態信息，Zhang提出的基于主動能量圖(AEI)及二維局部投影的方法進行識別[Zhang?E?H,?Zhao?Y?W,?Xiong?W.?Active?energy?image?plus?2DLPP?for?gait?recognition?[J],?Signal?Processing,?2010,?90(7):?2295-2302]，其中AEI圖像是由幀差圖像疊加構成，可很好的反應人體運動時的動態步態特征，識別方法新穎，但同時AEI圖像忽略了人體的靜態信息，如圖3所示，可以看出AEI圖像對動態的信息表達很好，特別是腿部運動信息，但同樣存在著外套、背包對輪廓靜態信息的影響；為保留步態行走時的靜態信息Chen提出的對提取的不完全步態輪廓采取建立幀差能量圖（FDEI）的方式構建步態特征,同時建立隱馬爾可夫模型（HMM）進行表述[Chen?C?H,?Liang?J?M,?Zhao?H.?Frame?difference?energy?image?for?gait?recognition?with?incomplete?silhouettes?[J],?Pattern?Recognition?Letters,?2009,?30(11):977–984.]，識別效果好，其中幀差能量圖（FDEI）是用幀間差圖像進行疊加，并且與人體的行走時不動的保持靜態的部分求和來構成FDEI圖像，FDEI圖像能很好的表達人體的靜態及動態信息；如圖4所示，幀差圖像能夠很好的表達運動特征，但是由于用步態行走的不動部分作為靜態信息，所以構成的FDEI圖像依然受背包影響較大。Chen還提出了基于雙層的動態貝葉斯網絡的步態識別（DBN）[張二虎,趙永偉.?利用動態部位變化的步態識別?[J],?中國圖象圖形學報,2009,14(9):1756-1763.]，首先把整個步態序列分若干段，第一層用動態紋理來表達，第二層用隱馬爾可夫模型表達，方法新穎，充分考慮了步態時序特性。Faezeh提出的基于手臂和腿部運動的步態識別，分析腿部和手臂的運動來識別步態[Tafazzoli?F,?Safabakhsh?R.?Model-based?human?gait?recognition?using?leg?and?arm?movements?[J],?Engineering?Applications?of?Artificial?Intelligence,?2010,?23(8):1237-1246.]；只使用腿部的動態信息的識別方法也有較多應用，識別效果及魯棒性也較好，如圖5所示；圖5為從GEI圖像中提取的運動動態部分，圖像為8位灰度圖像，運動閾值取為220，圖像為同一個人的正常行走、外套、背包三種條件下的圖像，可以看出同一個人的腿部步態信息特征很相似。