[发明专利]基于人工神经网络的多源步态特征提取与身份识别方法

说明书

技术领域

本发明涉及视频处理、红外热释电信号分析、图像处理、特征提取、模式识别等。具体 讲，涉及基于人工神经网络的多源步态特征提取与身份识别方法。

技术背景

生物特征识别是通过各种高科技信息检测手段、利用人体所固有的生理或行为特征来进 行个人身份鉴定。生物特征主要包括生理特征和行为特征两种：生理特征是指与生俱来的， 先天性的人体物理特征，如指纹、虹膜、人脸等；行为特征是指从人所执行的运动中提取出 来的特征，多为后天性的，如步态、笔迹等。近几年生物认证技术出现了跳跃式发展，成为 产、学、研、管各方面广泛关注的热点。在2001年的MIT Technology Review杂志中，生物 特征识别技术被列为10项最有可能改变世界的技术之一。预计未来10年左右，生物认证技 术将深入到我们生活的方方面面，其综合影响力将不亚于互联网。

步态识别(Gait Recognition)是生物特征识别技术中的新兴领域之一。它旨在根据人们 的走路姿势实现对个人身份的识别或生理、病理及心理特征的检测，具有广阔的应用前景。 步态是一种复杂的行为特征，是人的生理、心理及对外界反应的一个综合体现。由于个体之 间存在差异，步态也不尽相同，这些差异是整个肌肉和骨架(身体重量、肢体长度、骨骼 结构等)的函数，且完全决定于几百个运动学参数。早期的医学研究表明：人的步态中有24 种不同的成分，如果把这些成分都考虑到，则步态是为个体所特有的，这使得利用步态进行 身份识别成为可能。相对于其他生物认证技术，步态识别具有非侵犯性、远距离识别、简化 细节、难以伪装等独特优势。

现有的步态识别算法大致分为基于模型和基于非模型两大类。基于模型的方法，是指通 过对人体结构建立模型或者对人体在步态序列图像中所表现出的明显的行走特征建立模型， 利用模型衍生出来的参数提取步态特征。其特点是可以较精确地描述步态特征，大幅度降低 对外部条件变化的敏感性，但是巨大的运算量是重视实时性的实用化所面临的难题。基于非 模型方法，是指直接对人体在行走过程中的形状或动作进行分析而提取出来的特征。其特点 是计算量相对较小，有助于在实用环节中达到实时运算的目的，但对背景和光照信号的变化 敏感，一旦场景中出现遮挡现象，识别能力将受到较大影响。

步态识别融合了计算机视觉、模式识别与视频/图像序列处理等多项技术。随着生物认证 技术的快速发展，基于步态特征的身份识别技术愈加显示出它的优势，尤其在门禁系统、安 全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值。因而引起了国内外许 多研究者的浓厚兴趣，成为近年来生物医学信息检测领域备受关注的前沿方向。

然而，没有任何一种技术是完美的，现实条件下从环境中捕捉图像会受到多种因素(如 气候条件的变化、光照条件的变化、背景的混乱干扰、运动目标的影子、摄像机的运动等) 的影响，这给步态的最终识别带来了许多困难。如何消除这些因素的影响，更准确地提取运 动人体的有效步态特征，是步态识别领域面临的难题。鉴于此，本发明将骨架构建思想和 Radon思想引入其中：骨架模型建立在人体解剖学所确认的人体各部分结构比例的基础之上， 它结合了目标的轮廓和区域信息，反应了目标的重要视觉线索；Radon变换广泛用于图像中 的线段检测，正好符合腿部在图像轮廓中近似为某一方向上的线段，在行走过程中相对于水 平轴会发生较大幅度的角度变化的特性。这意味着Radon变换得到的特征参数能够反映出原 始轮廓的大部分能量信息，既有步态的外观信息，又有动态信息，可有效降低自遮挡及影子 带来的影响。

目前步态识别算法多数是基于形状信息的，其缺陷是当人体轮廓发生变化时(例如背包、 物体与环境之间或者物体与物体之间的遮挡等)，单一形状特征识别不能取得满意的结果。

发明内容

为克服现有技术的不足，本发明的目的在于提出一种包含人体形态信息和运动信息的多 源多特征融合的新型步态识别方法，以减少复杂背景、遮挡物等外界因素的干扰，对现实条 件具备更好的自适应性，更为准确地提取能反映运动人体行走特征的有效信息，以提高步态 识别正确率。该项发明为步态提取和识别提供了一种新的方案，有望获得可观的社会效益和 经济效益，并为今后步态识别拓展新的思路。