人体生物特征识别是传统的模式识别问题，它是利用人的生理或行为特征进行人的身份识别。指纹、眼虹膜与面像等是第一代生物特征，通常要求近距离的或者接触性的感知，如指纹需要接触指纹扫描仪，眼虹膜需要近距离地捕捉，而面像也不能距离远，否则不能提供足够的分辨率等。显然，在远距离的情况下，上述的人体生物特征将不可能被使用。但是，人的步态仍是可见的，且它可在被观察者没有觉察的情况下从任意角度进行非接触性的感知和度量。因此，步态识别是生物特征识别技术的一个新兴子领域。从视觉监控的观点来看，步态是远距离情况下最有潜力的生物特征，从而引起了国内外广大研究者们的浓厚兴趣。例如美国国防高级研究项目署DARPA在2000年资助的HID（Human Identification at a Distance）计划，它的任务就是开发多模式的、大范围的视觉监控技术以实现远距离情况下人的检测、分类和识别，以增强国防、民用等场合免受恐怖袭击的自动保护能力。
步态识别基本介绍
步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。
步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克・尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。
人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。
下面介绍步态识别的基本工作原理、软件算法、与面像识别的比较及特点、以及它在智能视频监控中的应用等。
步态识别的基本工作原理
步态识别是一个相当新的发展方向，它旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。
安全视频智能监控场合中自动步态识别系统的基本工作原理框图的一般框架如图1所示，它是融合计算机视觉、模式识别与视频/图像序列处理的一门技术。
由图1可知，首先由监控摄像机采集人的步态，通过检测与跟踪获得步态的视频序列，经过预处理分析提取该人的步态特征。即对图像序列中的步态运动进行运动检测、运动分割、特征提取等步态识别前期的关键处理。其次，再经过进一步处理，使其成为与己存贮在数据库的步态的同样的模式；最后，将新采集的步态特征与步态数据库的步态特征进行比对识别，有匹配的即进行预/报警。无匹配的，监控摄像机则继续进行步态的采集。
因此，一个智能视频监控的自动步态识别系统，实际上主要由监控摄像机、一台计算机与一套好的步态视频序列的处理与识别的软件所组成。其中，最关键的是步态识别的软件算法。所以，对智能视频监控系统的自动步态识别的研究，也主要是对步态识别的软件算法的研究。
步态识别的软件算法
根据医学和心理学等学科的研究表明：人可以感知步态，并可以通过步态进行人的身份认证。尤其自“911事件”以来，使得远距离的身份识别研究备受关注。而与其他生物特征识别相比，步态识别的突出特点主要是能远距离识别。因此，步态识别的研究，己越来越引起国内外学者的关注。目前，己研究出的步态识别的软件算法有如下几种：
1、基于主元分析的免于模型的二维步态识别算法。
对于每个步态序列而言，一种改进的背景减除技术被使用来提取人的空间轮廓。这些轮廓的边缘，被逆时针方向展开为一系列相对于质心的距离模板。这些模板特征通过使用主元统计分析方法来训练，从而得出步态形状的变化模式在特征空间中的轨迹表达。识别时，采用了时空相关匹配方法和基于归一化欧氏距离的最近邻规则，并引入了相应于个人的体形等生理特征的融合，以用于必要的步态分类校验。
2、基于统计形状分析的步态识别算法
该算法来源于“从行走运动的时空模式中可学习人体的外观模型”的观点。对于每个序列而言，背景减除过程用来提取行人的运动轮廓，这些轮廓随时间的姿态变化在二维空间中被对应描述为一个序列的复数配置(Complex Configuration)。利用Procrustes形状分析方法，从该序列配置中获取主轮廓模型作为人体的静态外观特征。实验结果表明，该算法获得了令人鼓舞的识别性能。
3、基于时空轮廓分析的步态识别算法
该算法来源于“人体行走运动很大程度上依赖于轮廓随着时间的形状变化”的直观想法。对于每个序列而言，背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓，这些时变的二维轮廓形状被转换为对应的一维距离信号，同时通过特征空间变换来提取低维步态特征。基于时空相关或归一化欧氏距离度量，以及标准的模式分类技术用于最终的识别。实验结果表明，该算法不仅获得了令人满意的识别性能，而且拥有相对较低的计算代价。
4、基于模型的步态识别算法
该算法来源于“行走运动的关节角度变化包含着丰富的个体识别信息”的思想。
首先，结合人体模型、运动模型和运动约束等先验知识，利用Condensation算法进行行人的跟踪。然后，从跟踪结果中获取人体主要关节的角度变化轨迹。这些轨迹经过结构和时间归一化后，作为动态特征而用于身份识别。
5、基于Hough变换的步态特征提取的步态识别算法
这是一种基于新的特征提取方法的自动步态识别算法，该算法仅从腿部的运动进行身份识别。对于每个序列，用一种基于图像色度偏差的背景减除算法来检测运动对象。在经过后处理的二值图像序列中，利用边界跟踪算法获取对象边界，在对象边界图像上，局部应用Hough变换检测大腿和小腿的直线，从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角序列，拟合成5阶多项式，把Fourier级数展开后得到的相位与振幅的乘积，定义为低维步态特征向量。在小样本的数据库上用Fisher线性分类器验证所研究算法的性能，正确分类率为79.17%，在步态数据库不很理想的情况下也获得了较好的识别率。
6、基于三维小波矩理论的步态识别算法
基于广义多尺度分析理论，针对不同的应用图像或信号库，得到最优小波分解, 并在人体步态识别中与二维小波矩结合进行应用。在三维物体的表示方面, 作为三维物体的一种无冗余的描述和识别方法，提出了三维小波矩理论。与现存的方法相比，它不但具有平移、缩放和旋转不变性，在径向上还增加了多尺度分析的特性。可以根据不同的需要，提供多层次的特征描述子，同时引进球面调和函数加速算法和小波的Mallat算法后，使小波矩的计算得到了双重加速。有人计划搭建实用的三维物体检索平台，将进一步完善该算法。
此外，有人在基于”人体生物特征不仅包含静态外观信息，也包含行走运动的动态信息”的思想，提出了一种判决级上融合人体静态和动态特征的身份识别方法。利用此方法在不同融合规则下的实验结果表明，融合后的识别性能均优于使用任何单一模态下的识别性能。
步态识别的特点及与面像识别的比较
步态识别的特点
・是一种非接触的生物特征识别技术。因为它不需要人的行为配合；
・特别适合于远距离的身份识别。这是任何生物特征识别所无法比拟的；
・不容易伪装。是让犯罪分子防不胜防的追捕手段，它不仅可以分析闭路电视捕捉到的嫌犯的行动情况，还能把它们同嫌犯走路的姿态进行比较。在一些凶杀案中，往往凶犯不让你看到他们的脸，但却能看到凶手走路的样子。
・采集装置简单、经济。因为只需要一个监控摄像头就行。
步态识别与面像识别的比较
由于步态识别与面像识别一样，都是一种不需要人的行为配合的非接触的生物特征识别技术，因此均可用于智能视频监控系统。现将两者的比较，归纳如表1所示。
由表1可知，步态识别与面像识别的相同点表现在，检测方法、人的行为
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
