[发明专利]一种具有监督机制的步态识别方法

说明书

技术领域

本发明涉及计算机科学及图像处理技术领域，特别提供了一种具有监督机制的步态识别方法。

背景技术

作为远程生物特征认证技术，步态识别越来越受到人们的重视．步态识别就是根据人走路的姿势进行远距离身份认证．步态具有非侵犯性、难于伪装，不像指纹或虹膜识别在特征提取时需要与被识别目标保持近距离接触，因此步态是远距离视频监控领域最具有潜力的生物特征。

近些年来对步态识别的研究日益增多，大都是通过提取人行走的步态轮廓后进行识别，技术可分为两类；一是利用步态轮廓的静态信息，如Kim提出了基于主动轮廓模型及运动预测的步态识别[Kim D, Paik J. Gait recognition using active shape model and motion prediction [J], Computer Vision IET, 2010, 4(1): 25 – 36.]，主要是利用人体行走的轮廓信息采用主动形状模型（ASM）进行识别，这类算法依赖人体静态轮廓，通常受穿着，背包影响识别效果，如图1所示。二是采用提取轮廓的动态信息，这类进行研究的算法很多，如基于步态能量图像（GEI）和2维主成分分析的步态识别方法[王科俊,刘丽丽, 贲晛烨. 基于步态能量图像和2维主成分分析的步态识别方法 [J]，中国图象图形学报,2009 ,14(12) :2503-2509]，此方法利用GEI图像作为步态特征图像，进行2维主成分分析，但同样由于GEI图像只是人体步态帧和的平均值构成的图像，必然受到外套、背包等影响，在正常、外套、背包的单一类训练样本中有较高识别率，在外套、背包、正常混合模式下识别率较低，如图2所示；图2为同一个人在正常行走、穿外套、背包下的GEI图像，可以看出GEI图像在三种状态下的外形轮廓静态信息差别很大，故识别率较低；为了改善GEI图像丢失太多的动态信息，Zhang提出的基于主动能量图(AEI)及二维局部投影的方法进行识别[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图像是由帧差图像叠加构成，可很好的反应人体运动时的动态步态特征，识别方法新颖，但同时AEI图像忽略了人体的静态信息，如图3所示，可以看出AEI图像对动态的信息表达很好，特别是腿部运动信息，但同样存在着外套、背包对轮廓静态信息的影响；为保留步态行走时的静态信息Chen提出的对提取的不完全步态轮廓采取建立帧差能量图（FDEI）的方式构建步态特征,同时建立隐马尔可夫模型（HMM）进行表述[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.]，识别效果好，其中帧差能量图（FDEI）是用帧间差图像进行叠加，并且与人体的行走时不动的保持静态的部分求和来构成FDEI图像，FDEI图像能很好的表达人体的静态及动态信息；如图4所示，帧差图像能够很好的表达运动特征，但是由于用步态行走的不动部分作为静态信息，所以构成的FDEI图像依然受背包影响较大。Chen还提出了基于双层的动态贝叶斯网络的步态识别（DBN）[张二虎,赵永伟. 利用动态部位变化的步态识别 [J], 中国图象图形学报,2009,14(9):1756-1763.]，首先把整个步态序列分若干段，第一层用动态纹理来表达，第二层用隐马尔可夫模型表达，方法新颖，充分考虑了步态时序特性。Faezeh提出的基于手臂和腿部运动的步态识别，分析腿部和手臂的运动来识别步态[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.]；只使用腿部的动态信息的识别方法也有较多应用，识别效果及鲁棒性也较好，如图5所示；图5为从GEI图像中提取的运动动态部分，图像为8位灰度图像，运动阈值取为220，图像为同一个人的正常行走、外套、背包三种条件下的图像，可以看出同一个人的腿部步态信息特征很相似。