（计算机软件与理论专业论文）一种基于离散时空模型的步态识别方法.pdf

中文摘要 随着城市轨道交通的快速发展，客流量的大幅增加，自动捡票系统应运面生。 本文主要研究了城市轨道交通中闸机的智能识别技术以及通行算法，设计开发了 一套智雏识别系统，将乘客的通行算法应用到该系统中。提出了一种新的适合手 城市轨道交通中阐机的步态识别技术，它是一种新兴的生物特征识别技术。步态 识别的三大优势：远距离识别、非侵犯性和难于隐藏性，使得它可以广泛应用到 安全部门、身份鉴剐、数字监控等领域。步态识别主要由三部分构成：步态序列 图像预处理、特征提取和分类识别。 首先，本文介绍了步态识别技术的基本原理及主要软件算法。详细叙述了地 铁闸机中红外传感器通道的模式识别系统的设计。 然后，介绍了由运动物体的餮像序列组成的时空模型，帮连续x ￥墨模型的基 本思想。通过实验中开发的仿真软件实现了对x y t 模型中个体的步态检测以及步 态轨迹的模拟，软件还模拟了地铁闸机通道中红外传感器的工作特性，利用红外 传感器矩阵采集行人的通行状态信怠将连续状态的x y t 模型改进成离散状态的 x y t 模型，实现了对离散点的提取及拟含。经过大量仿真实验，归纳了两个行人 距离越来越近情况下双绞线模式的变化情况。 最后，本文定义了一些符合个体通行情况的步态模式，提出了一种基于离散 时空模型的步态识别算法，对本文中的算法进行了实验，结果验证了该算法的有 效性和可行性。 关键词：步态识别，图像序列，离散x y t 模型，红外传感器，步态模式 a b s t r a c t a sw ea l lk n o w , w eh a v ev e r ys t r o n gp a t t e r nr e c o g n i t i o n a b i l i t y w ec a l l d i s t i n g u i s hw o r d 、p i c t u r ea n dc o n d i t i o na 1 1a r o u n db yv i e wi n f o r m a t i o n ，c a n a p p r e h e n dl a n g u a g eb yh e a r i n gi n f o r m a t i o n p a t t e r nr e c o g n i t i o na b i l i t yi sav e r y i m p o r t a n tp a r ti nh u m a na p t i t u d e ，i tm a k e su s eo fc o m p u t e ra n dm a t hr e a s o n i n gt o c o m p l e t ea u t o m a t i ci d e m i f yf o rs h a p e ，m o d e 、l l v e ，n u m b e r 、c h a r a c t e rf o r m a ta n d g r a p h , i tc o m e sf r o mal o to f i n f o r m a t i o na n dd a t u mo nab a s i so f e x p e r t s e x p e r i e n c e s a n dp e r c e i v e 。i t sa d v a n t a g e sa l et h a ti ti sal o n gd i s t a n tr e c o g n i t i o nt e c h n o l o g y , n o n i n v a s i v ea n dd i f f i c u l tt oc o n c e a l t h e r e f o r e ，i tc a nb ea p p l i e dt os e c u r i t ys y s t e m , h u m a ni dm a n a g e m e n t ，d i g i t a ls u r v e i l l a n c e ，a n ds oo n g e n e r a l l y , g a i tr e c o g n i t i o n c o n s i s t so ft h r e ep a r t s ：p r e p r o c e s s i n go fg a i ts e q u e n c e ，f e a t u r ee x t r a c t i o na n d c l a s s i f i c a t i o n 砸sa r t i c l er e s e a r c h e st h er e c o g n i t i o no fg a i td c 印l y , a n dt h em a i n c o n t e n ti sa sf o l l o w s ： 、+ f i r s t l y , t h i sp a p e ri n t r o d u c e st h ep r i n c i p l eo fg 蠢tr e c o g n i t i o na n dt h em a i n a r i t h m e t i c i ti n t r o d u c e st h ed e s i g no ft h em o d ei d e n t i f ys y s t e mi nt h er o u t ew a yo f s e n s o r s s e c o n d l y , t h i sp a p e ri n t r o d u c e st h a tas e r i a lo fi m a g ef r o mt h eo b j e c t s m o v e m e n t c a nm a k eu po fas p a t i o - t e m p o r a lm o d e l ，r e c o u n t st h eb a s i ci d e ao ft h em o d e l i t d i s c u s s e sg a i td e t e c t i o na n dg a i tt r a c k s i m u l a t i o n w eu s ei n f r a r e ds e n s o rm a t r i xa sa t o o lt oc o l l e c ti n f o r m a t i o n 。w ec a ni m p r o v eas e q u e n t i a ls p a t i o t e m p o r a lm o d e lt oa d i s c r e t es p a t i o t e m p o r a lm o d e l i te x p l a i n sh o wt od i s t i l la n du n i t et h es c a t t e r e dd o t 。i t a n a l y z e st h et w i s t e d - p a i r sc h a n g ew h e n t o wp e o p l e sc o m et oc l o s e a tl a s t , t h i sp a p e rh a sd e f m i t i o n so f i n d i v i d u a l g a i tm o d e s i ta d v a n c e sa r i t h m e t i c a b o u tt h ei n t e l l i g e n tr e c o g n i t i o n w ev a l i d a t et h ea r i t h m e t i co ft h eg a i tr e c o g n i t i o n b y e m u l a t o r ， k e yw o r d s ：g a i t r e c o g n i t i o n ，i m a g es e q u e n c e ，d i s c r e t es p a t i o - t e m p o r a lm o d e l ， i n f r a r e ds e n s o r , g a i tm o d e 独创性声明 本人声明所里交的学位论文是本人在导师指导下进行的研究王作和 取得的研究成果，除了文中特剐加以标注和致谢之处外，论文中不包含其 拖入黾经发表或撰写过的研究成果，落不毽含潞获得苤鲞焘茎或其他 教育概构鹩学谴或证书丽筏蔼过的材辩。与我一丽工律薛两志对本研究所 徽簸任褥嚣献均已在论文孛佟了臻确的说暖共表暴了落意。 学竽论文佟者签名： 磊j ，缸签字鼗瓣：? j 挚7 筚 歹刍 ? 爨4 学位论文版权使用授权书 本学位论文律者完全了解苤耋基蓥宥蒺傈留、馒用学位论文的 搅定。特授权基鲞基茎。可以将学位论文的全部或部分内容编入有关数 据痒进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅 籍鹰瓣。蘸意学校淘蓬家有关部霜或税梅送交论文豹复印律饔磁盘。 ( 保密的学位论文在解密嚣适用本授权说鳃) 学位论文作者签名；墨；】l 红导师签名： _ ，量 厘q 签字醭麓：囊。7 年，秀哕蠢 签字凿期：御矽年莎薏 瑟 第一章绪论 1 1 选题背景及意义 第一章绪论 2 0 世纪6 0 年代以后，由于计算机的飞速发展，传统人工智能初期研究的巨 大成功，吸弓| 了大量专家投入计算机的研究。这其中，模式识秀j 技术在我国的发 展尤为突出。 众所周知，人类具有很强的模式识别能力。通过视觉信息识别文字、图片和 周围的环境，通过听觉信息识别与理解语言。模式识别能力是人类智能的重要组 成部分，它是种从大量数据信息壅发；在已有的专家经验和人类认识的基础上， 利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和圈形等自 动完成识别的过程。模式识别包括相互关联的两个阶段，即学习阶段和实现阶段， 前者是对样本进行特征选择，寻找分类的规律，后者是檄据分类规律对未知样本 集进行分类和识别。广义的模式识别属计算机科学中智能模拟的研究范畴，魄容 非常广泛，包括声音和语言识别、文字识别、指纹识别、步态识别、声纳信号和 地震信号分析、照片图片分析、化学模式识别等等。计算机模式识别实现了部分 脑力劳动自动化。从信息处理的角度搞清它的机理，研究它的理论与算法，以使 计算机来实现人的视觉、听觉等模式识别能力。用计算机实现模式的自动识别， 是开发智能机器的一个最关键的突破口。它的成功应用将大大推动人工智能系统 的发展，拓广了计算机与各种自动机器的应用范围。 步态识别作为一种生物特征识别技术引起了越来越多人们的兴趣，成为近年 来计算机视觉领域中备受关注的前沿方向。随着安全敏感场合对智能监控系统的 需求，嚣接触式远距离的身份识别技术受到越来越多的关注。另终，随着我国城 市轨道交通的快速发展，地铁以无法比拟的优越性，成为解决时间集中、客流量 大的大城市交通问题的有效和理想方式。地铁给人带来的不仅是快捷和便利、有 痔的交通和懿好的乘车环境，还能使入更多地感受到生活质量的提高和享受睁。 目前客流量的大副增长，人工方式的售检票系统已经不能满足现在的需要。因此， 使用磁票或非接触式i c 卡作为车票的自动售检票系统就应运而生了3 。闸机是 城市轨道交通自动售检票系统中的关键设备之一。城市中各个车站的进出口均安 装有闸机。它利用其内部的智能识别系统对乘客的行为进行识别，从丽实现自动 售检票。而这个智能识别系统主要是一个模式识别系统，运用各种模式识别手段 对乘客的通行情况进行识别。步态识别是模式识别中一个很重要的方法。 第一章绪论 1 2 步态识别技术的研究动态 在模式识别的研究领域中，运用步态识别的方法对人类的个体进行区分的理 论及实践技术具有极大的挑战，吸引了诸多学者从事予这个领域的研究。对于步 态识别的研究主要分为两大方向，一方蟊是在医学中通过步态来识别人类的行走 能力。心理学研究表明人类在识别不同类型的运动行为方面有很好的能力， j o h a n s s o n 使用可移动光传感器连接到人体各部分来进行对人体的步态识别，证 明了只提供很少的移动点，就可以很快的辨别凄人类的行走模式。s t e v e n a g e y o n g 用摄像机来检验，摄像机的照明度和曝光时间是否削弱了步态的识别能力，研究 表明，即使在很差的条件下，步态识别仍然有效。另一方面是研究计算机的步态 识剐算法。l i t t l e 帮b o y d h 2 。使雳行入的光学流信息中得至l 的频率和闻隔特征， 从而用步态来识别人。h u a n g 等u 刮通过增加正则分析扩展了他们的工作。最近， s h u t l e r h 等将时间的时刻引入统计学步态识别方法，c h i r a zb e na b d e l k a d e r y 等用运动人的图片自相似情形来识剐单个人的步态。h a f r o n - a c q u a h h 副等使用广 义对称算子进行步态识别。j o h n s o n 和b o b i c k u w 在步态识别中使用了静态身体 参数。y a m u 等尝试利用跑步行为进行人的识别。王亮哺。等提出了种基于统计 主元分析的步态识别算法。 1 3 步态识别技术的发展前景 翟内在步态识剃方面的研究刚刚起步，中科院自动所是圜内最翠开始步态识 别研究的，并提出了一种简单有效的自步态识别算法，并且拥有相对较低的计算 代价。对于步态识别，目前圈际上没有一个通用的评估数据库。为了便于实验， 我国中科院的生物特征认证与评测中心创建了n l p r 数据库，该数据库包含了2 0 个人，3 个视角，6 个行走方向，总计2 4 0 个序列，巴向冒内外同行共享。基于” 从行走运动的时空模式中可学习人体的外观模型”的观点，提出了一种基于统计 形状分析的步态识别算法。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，这些轮癣随时阅的姿态变化在二维空闻中被对应描述为一个序列的复数 配置( c o m p l e xc o n f i g u r a t i o n ) 。利用p r o c r u s t e s 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。基于”人体行走运动很大程度上依赖于轮廓随着时麓的形状变化” 的直观想法，提出了一种基于时空轮廓分析的步态识别算法。对于每个序列而畜， 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维距离信号，7 同时通过特征空闻变换来提取低维步态特 2 第一章绪论 征。基于时空相关或归一化欧氏距离度量，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。基于”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，提出 了一种基于模型的步态识别算法，首先，结合人体模型、运动模型和运动约束等 先验知识，利用c o n d e n s a t i o n 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用 于身份识别u 副。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。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 模态下的识别性能哺m 1 。 一 虽然在步态识别领域中，国内外的科学家都做了大量的努力，但是步伐认定 的研究仍将面临许多挑战。在国内还没有展开广泛的研究，国外也只是处于研究 阶段，还没有成型的产品出现。迄今为止所有的数据库形象都是二维的，并且很 大程度上取决于照相机的角度。当一个系统企图采用不同的角度去比较同一个人 的两个镜头是，没有多少差别。有时主观地选取，没考虑到特征是否有强的区分 度。由于特征太少，往往造成大量信息丢失，从而使识别能力下降。减少信息的 丢失的一个途径是增加特征的数量，即增大特征的维数，但也不能无限制的增加， 否则会增加太多冗余信息，一方面使识别率下降，另一方面使计算量大大增加 2 1 。 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。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。目前这种技术还处于初级阶段，没有一个人 乐于预言什么时候进入使用，在应用之前我们必须要问，对于以步态识别为生物 学统计有什么依据? 因此，步态识别的研究过程中还需要大量的问题有待解决， 我们还有大量的工作需要去做。 1 。4 本文的主要工作和创新点 随着城市轨道交通的快速发展，客流量的大幅增加，自动检票系统应运而生。 本文主要研究了城市轨道交通中闸机的智能识别系统( 人体步态识别) 以及通行 算法，设计开发了一套智能识别系统，将乘客的通行算法应用到该系统中川。提 出了一种新的适合城市轨道交通中地铁闸机的基于人体运动的步态分析与识别 方法，是一种基于离散时空模型的对个体进行识别的步态识别算法，利用红外传 感器矩阵代替摄像头采集乘客的通行状态信息。本文定义了人在传感器通道中行 3 第一章绪论 炎模式，详细分析了阑概遥道中的个体行为模式，对物体和人通过阑机传感器遥 道的行为模式进彳亍了建模。 本论文的创新点如下： 重基于计算机图像序列状态下检测人体步态的x w 模型思想，将x y t 模型 重新定义为直线模式和双绞线模式。 2 通过实验中开发的仿真软件实现了对x y t 模型中个体的步态检测以及步 态轨迹的模拟，软件还模拟了地铁阑机通道中红外传感器的工作特性，利用红外 传感器矩阵采集行人的通行状态信息将连续状态的x y t 模型改进成离散状态的 】( y t 模型，根据双绞线的结构特征实现了对离散点的提取及拟合。经过大量仿真 实验，归纳了两个行人距离越来越近情况下双绞线模式的变化情况。 3 当乘客通过闰机通道时，每个传感器都会产生不鼷熬模式，研究4 个传感 器的模式。定义了一些符合个体步态特征的步态模式，描述了如何使用步态模式 区分个体的行为状态。提出了一种基于离散时空模型的步态识别算法，对本文中 的算法进行了实验，结果验证了该步态识别算法的有效性和可行往。 l 5 论文结构 第一章，绪论部分酋先阐述了本文所选课题豹研究背景以及所具有的研究意 义，然后指出了本文的主要研究工作和创新点。 第二章，介绍了生物特征识别技术的概念和主要应用，并详细说明了模式识 别技术率的步态识别技术的基本原理和主要软件算法，分析了步态识别技术的自 身优点，以及在地铁闸机中的应用。 第三章，介绍了地铁闸机的基本结构以及内部的控制模块，论述了用于采集 行久步态信息的传感器通道的设置方案，定义了入在传感器通道中的行为模式。 第四章，首先介绍了基于运动物体的图像穿列组成的时空模型，即连续x y t 模型的基本思想，使用传统的连续x y t 模型对个体进行了步态跟踪检测与分析。 透过仿真实验，提融了物体与行人通过时产生的直线模式和双绞线模式。通过大 量的仿蹇实验，分析了特殊行为模式下双绞线模式的变化情况，并归纳了实验结 论。 第五章，首先提出了对传统的连续x y t 模型进行改进，阐述了利用红外传感 器矩阵采集行人的通行状态信息将连续状态的x y 零模型改进威离散状态的x y l 模 型，实验中开发的仿真软件实现了对红夕卜传感器工作特性的模拟，可以显示不同 时刻对应的b m p 图以及红外传感器的工作状态，根据双绞线的结构特征实现了对 离散点的提取、拟合。定义了一些符合个体步态特征的步态模式，籀述了如何使 4 第一章绪论 照步态模式区分个体的行为状态。在实验中，以阐机通道中安放四个红外传感器 为例，提出了一种基于离散时空模型的步态识别算法，经过实验验证了该算法的 有效性和可行性。 第六章，总结与展望。 5 第二牵步态识别技术 2 。1 生物识别技术 第二章步态识另l 技术 2 1 1 什么是生物特征识别技术 所谓生物特征识别技术指的是通过计算机，利用人体所固有的生理特征或行 为特征，利用图像处理技术( 或其他数位信号处理技术) 和模式识别的方法来达 到身份鉴别或验证酱的的一门科学。生物特征识别所依据的不再是传统的标识物 品或标识知识，而是人类自身所固有的特征。常用的生理特征包括面像、指纹、 掌纹、虹膜、签名、语音等，行为特征包括手语、笔迹、步态等。我们将生 理特征和行为特征统称为生物特征。其中步态识别属于人体行为特征识别中典型 的一种。 。 ， 2 1 。2 生物识别技术的应用 生物特征被广泛地应用于机场、银行、军事基地等安全敏感场合的人体身份 识别领域中。预计，生物识别技术最主要的应用领域将是电子商务，全球越来越 多的因特网用户进行网上交易，鉴于生物识别的可靠性，进行网上购物时，需要 先迸行身份识别，保证网络管理机构有效的监督网络交易的进行，减少不法分子 对网络交易的破坏。 生物识别技术中主要有虹膜识别、指纹识别、面像识别、步态识别等。指纹、 虹膜、面像等是第一代生物特征。指纹识别已经有很长一段经历了，全球都已经 建立了指纹鉴定飙构和罪犯指纹数据库，指纹鉴定已被富方所接受，成为司法部 门有效的身份鉴定手段。虹膜识别是错误率最低的生物特征识别，每个人的虹膜 结构各不相同，并且这种独特的虹膜结构在人一生中几乎都不发生变化睇。面像 识别技术采用入脸重心模板以实现入脸快速的定位，这种入脸模板其有多尺度的 检测功能，能适应于检测处于复杂背景中任何位置的不圈大小的人脸，人脸重心 模板上的重心点对应于人脸模式上的各个器官( 双眉、双眼、鼻和嘴) ，重心点 之间动态的二维空间约柬关系适应于检测具有不同构型的实际入脸。以上几种生 物识别技术逶常要求近距离盼或者接触性的感知，如指纹需要接触指纹扫描仪， 眼虹膜需要近距离地捕捉，而面像识别也不能距离远，否则不能提供足够的分辨 率等疆列。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 6 第二章步态识别技术 是，远距离下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。步态作为一种生物特征识别技术引起了越来越 多人们的兴趣，成为近年来计算机视觉领域中备受关注的前沿方向恻。 因此，步态识别是生物特征识别技术的一个新兴子领域瞄1 。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d a r p a 在2 0 0 0 年资助的h i d ( h u m a ni d e n t i f i c a t i o na tad i s t a n c e ) 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。 2 2 步态识别 2 2 1 步态识别的基本介绍 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u 驯。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a 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。 2 2 2 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 7 第二章步态识别技术 态识别系统的基本工作原理是融合计算机视觉、模式识别与视频图像序列处理 的一门技术。 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以及完成步态建模，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对比识别，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川引。 步态识别的一般系统结构如图1 - 1 所示 摄像头 输入图像序列 图1 - 1 步态识别系统结构 1 9 2 2 3 步态识别的主要软件算法 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。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 8 第二章步态识别技术 距离识别。因此，步态识别的研究，已经越来越弓l 起营内乡 学者的关注。爱前， 己研究出的步态识别的软件算法有如下几种： 1 、基于主元分析模型二维步态识别算法。 对于每个步态序列丽言，一种改进的背景减除技术被用来提取人的空间轮 廓。这些轮廊的边缘，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 征空闻中的轨迹表达。识别时，采用了时空相关匹配方法和基于归一化欧氏距离 豹最近邻规则，并弓l 入了相应于今人的体形等生理特征的融合，以用于必要的步 态分类校验哺刚。 。+ 2 、基于统计形状分析的步态识别算法 该算法来源于麸行走运动的时空模式中可学习人体的外观模型黟麓观点。 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 变化在二维空间中被对应描述为一个序列的复数配置( c o m p l e x c o n f i g u r a t i o n ) 。 剩焉p r o c r u s t e s 形状分析方法，从该序列配置中获取主轮廓模型作为入体的静 态外观特征。 3 、基于时空轮廓分析的步态识别算法 该算法来源予联入体行走运动很大程度土依赖于轮癣随着时闻的形状变 化的直观想法。对于每个序列蔼畜，背景减除与轮廓相关方法用子检测和跟踪 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 通过特征空闻变换来提取低维步态特征h 埘。基于时空相关和归一化欧氏距离度 量，以及标难的模式分类技术用于最终的识别。 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， 愿想。首先，结合人体摸型、运动模型和运动约束等先验知识，利用c o n d e n s a t i o n 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埔。 5 、基于h o u 曲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舞动步态识别算法，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h o u g h 变换检测大腿和小腿的直线，从面得到大腿 和小腿的倾斜角。用最t j 、- - 乘法将个周期内的倾斜角序列，拟合成5 阶多项式， 把f o u r i e r 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 9 。第二章步态识别技术 小样本的数据库上用f i s h e r 线性分类器验证所研究算法的性能，正确分类率为 7 9 1 7 ，在步态数据库不很理想的情况下也获得了较好的识别率瞄副。 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阵结合进行应用。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，提出了三维小波矩阵理论。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，同时引进球面调和 函数加速算法和m a l l a t 算法后，使小波矩阵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瞄圳。 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瞄刮啪。 l o 第三章基于阐机传感器通道的模式识别系统的设计 第三章基于闸机传感器通道的模式识别系统的设计 3 1 闸枧的基本结构 闸机在物理上主要由闸机外壳、方向指示器、门机构、读卡机、语音提示器、 控制模块、若干传感器和图像采集器等部件组成。其中的控制模块最为重要，它 由通道控制模块、硬件控制模块以及若干红终传感器等部件组成。其中通道控制 模块和传感器构成了本文讨论的闸机智能识别系统。 。 闸机的框架结构为不锈钢外壳，外壳用来保护闸机的内部组件。方向指示器 髑来表示阕机的通毒亍方向，麓乘客传达通行命令，以及为远距离乘客指示闸橇是 否可以使用。闸机中的门机构种类也各不相同，其中以剪式门为例，闸门位于通 道的中间，由两个扇形的滑动门组成。闸门关闭时，两个扇形门从闸机体中滑动 逝来，拦堵往透道；阕门开瘸时i 两个扇形门隐藏到阕机体中，通道被开放。扇 形门由安装在闸机内部的电动马达所驱动，硬件控制模块通过控制电动马达实现 对闸门的开肩和关闭。读卡机负责对读写非接触式i c 卡的单程票。语音提示器 以语音的方式向乘客发出提示信息。语音提示器的工作由阑机智能识别系统控 制。图像采集器用来采集闸机通道中的连续图像信息，并将这些图像交给图像识 别算法进行处理。由于受到红外传感器数量、位置以及智能识别算法的限制，现 在使用中的阐机普遍存在识剃率不高、处理速度慢的问题，尾随逃票现象更是困 扰闸枫模式识别系统的一个顽症。所以我们通过增加图像识别算法和步态识别算 法来提高识别率，降低错误检出率。由于通道环境的复杂性，图像采集器应该具 有比较开阔的视角和比较小的体积。闸机智能识别系统中选择广角针孔摄像头作 力图像采集器h 1 。 3 2 闸机内部的控制模块 每岔阕机以阑门、闸枧、通道为雾被分为两个子机，两个子枕分别便于阐门 的两侧，如图3 - 1 所示。根据内部结构和功能的不同，予机可以被分为从子机和 主子机。从予机是仅仅具有方向指示器、读卡机和半套门机构的子机，主子机是 不仅具有方向指示、读卡机、语音提示器秘另半套门机构焉且还具有控制模块的 予机。注意，只有当子机的显示灯为准行时，它的读卡机才有效，才可以被用于 检票矧。 第三章基于闸机传感器通道的模式识别系统的设计 图3 - 1 闸机外部结构 控制模块位于主子机上，由通道控制模块( p c m ) 和硬件控制模块( a g m ) 构成。 控制模块的主要功能有： 1 控制主子机上的门机构、读卡机、方向指示器、语音提示器、图像采集器 和传感器的工作。 2 控制从子机上的门机构、读卡机、方向指示器、传感器的工作。 3 通过网络与服务中心( s c ) 进行通信并且接收和发送必要的信息和数据。 图3 - 2 闸机控制模块结构 通道控制模块( p c m ) 主要负责读取传感器和图像采集器采集的数据，使用内 1 2 第三章基于阐机传感器通道的模式识别系统的设计 部的识剃算法对通道静遥行情况进行分析，将分析识别的结果以数据包的形式发 送给硬件控制模块( a g m ) ，从而控制主予机和从子机的相应部件的工作。通道控 制模块( p c m ) 既是本文讨论的闸机智能识别系统。闸机控制模块及相关设备结构 如上图3 2 所示。 3 3 传感器通道的设置方案 传感器矩阵被惩于检测通道蠢乘客的通行情况，它们是阐机智能识剃系统的 一部分。在闸机的智能识别系统中，红外传感器是被使用最为广泛的一种传感器。 根据工作方式的不同，纽外传感器可以被分为对射式和反射式两种。对射式红外 传感器由发射端和接收端两部分组成，它可以用来检测在它的发射端和接收端之 间是否存在物体。发射端负责发射红夕 线，丽接收端负责接收红外线。当在发射 端和接收端之间不存在物体时，接收端会接收到发射端发射的红外线，此时数据 采集卡采集到的传感器工作状态值0 。当在发射端和接收端之间存在物体时，物 体会遮挡住发射端发射的红外线，所以接收端将不会接收到红终线，此时数据采 集卡采集到的传感器工作状态值1 。通道控制模块通过检测该传感器所对应的工 作状态值，就可以检测到是否有物体遮挡该传感器。反射式红外传感器不同子对 射式红外传感器，它的红外线的发射和接收部分都位于霹一个传感器上。它不断 的发射红外线，同时又不断的试图接收到发射的红外线。如果该传感器没有接收 到红外线，则数据采集卡采集到的传感器工作状态值0 。如果有物体位于该传感 器静探测范围，则物体会将该传感器发射的红外线反射圈该传感器，所以该传感 器会接收到红外线，此时数据采集卡采集到的传感器工作状态值i 。同样，通道 控制模块可以使用这个工作状态值来检测物体的存在。闸机智能识别系统中主要 使用对射式红外传感器。 3 3 1 红外传感器的物理位置及工作状态 ， 在本文中，选用若干上海乔特电子公司生产的型号为p e 3 f 一5 c 1 的对射式 光电传感器安放在闸机通道的两侧，用来检测乘客的通行情况，如图3 3 所示。 第三章基予阑机传感器通道的模式识别系统的设诗、 蓬3 弋传感器通道 发射端 。接牧端 传感器矩阵被用于检测通道内乘客的通行情况。传感器的数量以及安放的位 置与阐机所采用的智能识别技术有关。通道控制模块通过检测该传感器所对应的 工作状态值，就可以检测到是否有物体遮挡该传感器。 3 3 2 红外传感器状态的数据表示 本文使耀了一个3 2 位的二进制数表示传感器状态数据，如图3 所示。每 一个二进制位对应一个红外传感器的工作状态，o 表示没有被遮挡，1 表示被遮 挡。3 2 位的二进制数的每一位具体对应哪个传感器是可以人为规定的，也可以 被闲置。， 3 2笈1 88l 图3 - 1 红外传感器的数据表示 1 4 第三章基于闸机传感器通道的模式识别系统的设计 3 3 3 通信协议 硬件控制模块不仅控制主子机上的门机构、读卡机、方向指示器、语音提示 器和从子机上的门机构、读卡机、方向指示器的工作，而且还与服务中心和通道 控制模块分别进行通信，接收和发送必要的信息和数据。通道控制模块主要负责 读取传感器和图像采集器的检测数据，使用内部的算法对乘客的通行情况进行分 析，将分析结果以数据帧的形式发送给硬件控制模块。硬件控制模块分析接收到 的数据帧，根据数据帧中的命令控制主子机和从子机的相应部件的工作。因此， 硬件控制模块和通道控制模块之间存在数据通信。 在本文中，硬件控制模块和通道控制模块使用r s - 2 3 2 串口进行数据通信， 通信的波特率为1 1 5 2 0 0 b p s ，采用的字符传送格式为：一位起始位，八位数据位， 无校验位，一位停止位。硬件控制模块与通道控制模块之间采用点对点通信方式， 两个模块交换的数据是以帧为单位的，并且所有帧的格式都是相同的。如表3 - 1 所示，一帧数据分为四个部分：同步字段、地址字段、数据字段和帧尾字段。 表3 - 1 硬件控制模块和通道控制模块之间通信的帧格式 同步字段 地址字段 数据字段帧尾字段 ( 5 b y t e )( 6 b y t e ) ( n + 2b y t e ) ( 2 b y t e ) 4 个接收地址数据长度发送数据c r c 校验2 个 “o x 0 0 ( 3 b y t e )( 3 b y t e ) ( nb y t e ) 码 “o x f f 1 个( 2 b y t e ) “o x 0 1 ” 其中，同步字段表明一帧数据的开始，主要用于发送方与接收方之间的帧起 始控制。地址字段包括接收地址和数据长度两部分。接收地址表明一帧数据的目 的地址，数据长度表明数据字段的长度。数据字段由发送数据和校验码两部分构 成。在数据字段中，为了保证数据透明性，采取以下措施：发送方发送数据时， 如果出现连续两个字节的“o x 0 0 数据，则需要在其后添加一个“o x f f ”字节。 接收方接收数据时，要在收到连续两个字节的“o x 0 0 ”数据后，将后面收到的那 个“o x f f ”字节丢掉。帧尾字段表示本帧结束，用以保证接收方全部收完数据。 帧尾字段由两个“o x f f 字节构成。如果接收方连续收到两个“o x f f 后，表示 发送已完毕。 第三章基于闸机传感器通道的模式识别系统的设计 3 4 人在传感器通道中的行为模式 闸机通道两侧安装有足够数量的传感器，对乘客通过地铁闸机的全过程进行 监控，能有效及快速地检测乘客通过行为。这些乘客的通过行为包括： 王有效乘客的单独通过，持有效车票的乘客允许通过闸帆。但在一定时闻恣 ( 缺省3 0 秒) 乘客没有通过，就不允许该乘客通过。 2 多个有效乘客问隔连续通过，有效乘客连续通过时也要对各乘客进行检 查。为了保证一定的透过速度，并与前后乘客没有冲突，乘客之闻必须距离8 c m 以上。 3 乘客携带物品，能够区分通过闸机的乘客和所携带的物品，即不能将乘客 的携带物品误认为乘客，而在乘客通过时关闭扇门。乘客携带的物l 鞣l 可以包括有 乘客身体的一部分( 手，脚等) 、背包、提包、手托行李等。 4 乘客无票或持无效票闯入通道，这种情况认为是乘客试图无票或持无效票 逶过的一种类型。检测刘这样的乘客后，关闭扇门阻止其前进，通过警报灯、蜂 鸣器发怨警报。 5 乘客闯入通道后退回，这种情况是对情况( 4 ) 的解除。 6 有人反向闯入通道，乘客觚允许通过方向的反方向进入，是一种不允许 的行为。 7 有人反向闯入通道后退回，这种情况是对情况( 6 ) 的解除。 8 扇门附近有人逗留，扇门附近分布传感器以防止扇门动作时伤及乘客， 著扇门附近有久时，可通过软件控铡扇门打开。 1 6 第四章基于计算机图像序列的人体步态参数的快速获取方法 第四章基= f - x y t 模型的人体步态参数的快速获取方法 4 1 引言 人体运动的视觉分析是近年来计算机视觉领域中备受关注的前沿方向，它是 从包含人的图像序列中检测、识别、跟踪人并对其行为进行理解和描述，属于图 像分析和理解的范畴。人的运动分析内容相当丰富，主要涉及到模式识别、图像 处理、计算机视觉、人工智能等学科知识；同时，动态场景中运动的快速分割、 人体的非刚性运动、人体自遮挡和豳标之间互遮挡的处理等也为人的运动分析研 究带来了一定魏挑战。 计算机视觉亦称为机器视觉，是使用计算机从一幅或多幅图像中自动获取信 息、识别物体以及理解场景的技术。计算机视觉系统通常使用摄像机作为计算机 的“眼睛”，计算机通过分析摄像机采集到的图像，以便认识和看懂所看到的东 鹾。基于计算机视觉的人体步态识别包括两个重要的步骤，第一步是人体步态的 检测，即检测是否存在一个正在行走的入。第二步是人体步态的鉴别，即当前存 在一个行走的入时，判断该行人韵身份h h ”3 。 4 2 图像序列的时空模型 4 2 1 时空模型的基本思慧 传统的基于图像序列的入体步态分析往往采用复杂的数学模型，使得分析不 熊快速实现。屏弃复杂的数学模型，焉采用2 d + t 的形式，利用图像序列时空x y t 模型中的x t 切片获得下肢轮廓的运动数据。最早的识别行走的人的方法是 n i y o g i 和m e l s o n h 喇提出的，他们利用曲线匹配“蛇一来抽取行人的步态时空 模式从愿识别不同的行入。l i t t l e 和b o y d h 。使用行人瀚光学流信惠中褥到觞频 率和间隔特征，从而用步态来识别人。h u a n g 等u 刮通过增加正则分析扩展了他们 的工作。最近，s h u t l e r h 等将时间的时刻引入统计学步态识别方法，c h i r a zb e n a b d e l k a d e r y 等用运动人的豳片自相似情形来识别单个人的步态。最近的某些四 维模型的方法也含有时间维，这些也是时空方法。 n i y o g i 与a d e l s o n “w 提出的时空模型( x y t 模型) 具有相当大的影响意义。 其所采用的计算机视觉系统如图4 - 1 所示。该系统的硬件设备主要豳摄像机和计 1 7 第四章基于计算机图像序列的人体步态参数的快速获取方法 算机组成。摄像机采用固定拍摄，并且摄像机的镜头应该与人体或物体的运动方 向垂直。摄像机的视角应该被调节成可以拍摄到人体或物体的全貌。计算机将摄 像机拍摄的运动物体的全过程的每一帧图像全部存储到内部存储器中，形成一个 图像序列，然后计算机的处理软件利用连续) ( y t 模型，对运动个体进行步态识别 2 3 】 o 计算机 4 2 2 步态检测 - c o ， ， 图4 1 步态识别的计算机视觉系统 摄像机 人体的步态特征包含人的头颈部、躯干、上肢、下肢及其各个关节部位的行 为特征。一个运动物体的图像序列可以组成一个时空模型，即x y t 模型，也叫做 连续x y t 模型。在x y t 模型中，综合的是头颈部和下肢的行为特征对人体的步态 进行检测的，步态检测分为五个步骤，如图4 - 2 所示。首先，采集人体运动图像 序列。第二步，按照时间顺序排列