（信号与信息处理专业论文）基于procrustes形状频谱分析的多视角步态识别算法.pdf

中文摘要 中文摘要 摘要 随着社会的发展 安全性问题越来越多的受到关注 尤其是在一些对 安全性特别敏感的场所 于是很多生物识别技术就被应用到安全领域 步态作为 一种新型的步态特征以其固有的优势 非入侵性 远距离身份识别 难以隐藏性 可在对方未知的情况下得到其步态特征 用户接受程度高等特点获得了越来越多 的关注 步态识别就是根据人走路的姿势进行识别和认证 随着人们对安全性要 求的不断提高 关于步态识别的研究将会不断的深入和完善 在未来很有可能应 用到日常生产生活的各个方面 现有的很多算法大多都是研究基于侧面的步态识 别算法 本文的研究重点是要寻找一种具有高识别率 高速度和多视角的步态识 别算法 初步构建一个基于c a s 认d a t a b 嬲e b 的步态识别系统 能够实现和演示 整个步态识别的过程 本文做的工作主要有 1 在运动目标检测时 应用了改进的背景减除算法 用当前帧图像和背景 图像的加权来获得新的背景图像 2 在轮廓线采样时 本文采用分区域定点数采样的方法进行采样 就是根 据人体的生理结构将人体分为头肩区 躯干区 腿脚区 根据这几个区 域的重要性 规定各个区域的采样点数 然后在每个区域中等角度采样 3 提出了一种基于p r o c r u s t e s 均值形状的傅里叶频谱分析 f o 耐e r s p e c 仇眦a n a j y s i so f p r o c m s t e sm e 趾s h 印e f s a o p m s 的适用于多视 角的步态识别方法 利用p r o c m s t e s 统计形状分析方法将步态序列中人 体轮廓的连续步态变化表示成一个紧致的p r o c m s t e s 均值形状 p r o c m s t e sm e a i ls h a p e p m s p r o c n l s t e s 形状是方向统计学中的形状描 绘方法 本质上就是一个二维图像的配置向量 将p m s 作为原始步态 特征 对p m s 进行傅里叶频谱分析 f o 面e rs p e c 讯l i i la n a l y s i s f s a 将 p m s 的幅度谱作为最终的步态特征 4 幅度谱是一种包含整体和细节信息的实数标量特征 提出利用欧式距离 来度量两个频谱的相似度 最后 利用最近邻 n n 和k 近邻 k n n 两种 分类器进行识别 在中科院自动化所的c a s 认g a i td a t a b a l s eb 数据库上 进行了实验 证实了本文提出的算法具有令人鼓舞的识别性能 5 系统构建方面 本文实现了一个基于中科院自动化所c a s 队d a t a b 勰eb 简单的步态识别系统 为研究 比较算法搭建了一个很好的平台 此系 统提高了两个指标来判断算法的优越性 分别是 识别正确率 特征提 取和识别所耗费的时间 这里提到的时间是基于c p u 主频的 将本文 提出的算法在该系统中得以实现和验证 并且还实现了其他三种算法 北京交通大学硕士学位论文 与本文算法进行对比 实验结果表明 本文提出的算法在识别准确率和 时间消耗上都有很大的优势 关键词 步态识别 p r o c m s t e s 统计形状分析 p r o c m s t e s 均值形状口m s 傅里 叶频谱分析仃s a 多视角识别 最近邻法 n n k 近邻法 分类号 t p 3 9 1 4 a b s t r a c t a bs t r a c t a b s t r a c t w i t l ln l ed e v e l o p m e n to ft h es o c i e 饥t h es e 砌够i s g u e sb e c o i n e m o r e 锄dm o r ec o n c e m e d e s p e c i a l l ym es i t e sp a r t i c u l 砌ys e n s i t i v et 0m es e c u r i 够s oa l o to fb i o m e t r i ct e c l l i l o l o g i e sa r eb e i n g 印p l i e dt 0m es e c 嘶够w 油i t si 1 1 l l e r e n t a d v a n t a g e s s u c h 嬲n o n i n v 嬲i v e l o n g d i s t a n c ei 1 e n t i f i c a t i o n h i d d e n d i 伍c u h y m o r e a c c e m c e t h eg a i th 嬲 龇血e dm o r e 肌dm o r ea t t e n t i o n g a i tr e c o 印i t i o ni s c a 玎i e do u ta c c o r d i n gt ot l l eh u m a ng a i tt ov 缸f i c a t i o n 锄dr e c o g 咄i o n w i mt l l e c o n t i l l u o u sr e q u i r e m e n t so ft h es e c u r i 饥m er e s e a r c ho ft l l eg a i t 航l lb em o r ea n di n o r e d e p t h 1 1 1 eg a i sm o r el i k e l yt ob e 印p l i e dt 0a l l 舔p e c t so fd a i l yp r o d u c t i o n 砒l dl i f e m o s to ft h ee 虹s t i l 培a j g o r i m 塔a r eb 勰e do n 也es i d ev i e wt 0r e c o 孕曲o n t h er e s e a r c h p u q 砷s e so ft h ep a p e ri st 0f i n dam 曲r e c o 鲥t i o nm t e k 曲s p e e d 觚dm u h i v i e wg a i t r e c o g i l i t i o na l g o r i t h ma n db u i l dar e c o 鲥t i o ns y s t e mb 雒e d0 nm ec a s nd 撕b a s eb t 0a c m e v e 趾ds h o wt l l ep r o c e s so fg a i tr e c o g l l i t i o n t h ew o r ko f l ep a p e ri i l c l u d e s f i r s t l y 蛐gt l l em o v i i l gt a r g e td e t e c t i o i l i ta p p l i e dai m p r o v e db a c k g r o u n d s u b 订a c t i o na l g o r i t h m w e i 曲t i n gt h ec u r r e n t 劢m e 锄dn l eb a c k g r o u n d 缸m l et og e t 廿l e n e w b a c k g r o u n di m a g e s e c o i l d l y ai l e wc o n t o u rs a n l p l i i 培m e t h o d d i v i d i i 培t h eb o d y 血om r e ea r e 嬲 h e a d 戤l d 吐i o u l d e ra r e 如t o r s oa r e 如l e g sa n df e e ta r e a a c c o r d j i l gt l l ei i l l p o r r t a n c eo ft h ea r e a s 蛐gm e 鲥tm o t i o 玛m en u i i l b e ro fs 锄p 1 吨p o i 幽c a 王lb es e tn e x i b l yi nd i 任执n t r e 西o n s t h 硼l y i ti sp r o p o s e da m u l t i 一 i e wg a i tr e c o 叫t i o na l g o r i t l l n lb 嬲e do n 恤f o 嘶e r s p e c 饥吼加l a l y s i so fp m c n 塔t e sm e a i ls h a p e f s a o p m s i n l i sp a p e r t l l em e t l l o do f p r o c m s t e ss h a p ea i l a l y s i si su s e dt op r o d u c ep r o c r u s t e sc o n l p a c tm e a i ls h a p e p m s 舶m 恤c o n t i i l u o u sg e s n 鹏v 撕a t i o no fh 啪a nb o d yc o n t o l l r si i lg a i ts e q u e n c e s p r o c r u s t e s s h a p ei s t t l e s h a p ed e s c r i p t o r i nt h e 蚴i s t i c s i ti s e s s e m i a l l y a t v m d i m e n s i o n a lc o n f i g u r a t i o nv e c t o r a n a l y z et l l es p e c 协皿o fn l ep m su s i i l g 廿l e f o 面e rt r a l l s f o n n m a k et h e 觚l p l i t u d es p e c t r i 胁嬲t h e 觚a lf e a t u r e f o 删y t h e 锄p l i t u d es p e c 仃u mw 鹤a r e a l 肌ds c a l a rf e 姗 i l i c hw 硒d i 丘 e r e n t 6 o m l ev e c t o rf e a t l l r a n dc o n t a i l l e do v e i 试la n dd lc o n t o u ri n f o n n a t i o n i t p r o p o s e dt 0u s et 1 1 ee u c l i d c 趾d i s t a n c et 0c 0 i n p u t ct l l es i i i l i l 撕t o f l e 卸1 p l i t u d e s p e c 仃岫锄dm e c l 弱s i f i e ra r en e a r e s t n e i g h b o r n a i l dk n e a r e s tn e i g h b o r 州 1 r i 地e x p e r i i n e n t so nc a s i a 蛐a s es h o v e dm a tt l l ep r o p o s e da l g o r i t i 吼h a d9 0 ta v 北京交通大学硕士学位论文 s a t i s f 弛 巧a i l dc n c 0 u r a g i n gr e s u h f i i 谢l y o ns y s t e mc o i l s t l l j c t i o n 嬲p e 鸭i n l ep 印e r a l s 0c 0 1 1 s 细c t e das i i 印l eg a i t r e c o 鲥t i o ns y s t e mb a s e do n 也ec a s 认d a 协b a l s eb 1 1 1 es y s t e lp r o v i d e dap l a 渤m f o r 缸曲盯g a i tr c c 0 嘶t i o nr e s e a r c h 1 1 l es y s t e i np r 0 v i d c dt o 证a i c a t o r st 0d e t e m l i n e t h e 辄p e r i o r i 够o ft h ea l g o r i m m 鲫 c h 弱t h ec o n e c tr e c o g i l i t i o nr a t e 觚dm es p e e d t h e t 证l ec o i l s 硼血gi sc 0 u n t e da c c o r d i n gt 0t l l ec p u 缸q u e n c y t h ep r o p o s e da l g o r i t i l i i l w 嬲r e a l i z e da 1 1 dv e d f i e di i l l es y s t e m t h ec o m p a r i s o nw i t l l 廿l r e eo n l e ra l g o r i 也l n s a l s 0r e a l i z e di nt h es y s t e ms h o w e d 也a tt h ep r o p o s e da l g o r i t l l mk l dg r e a ta d v a n t a g ei n b o lc o r r e c tr e c o g i l i t i o n 阳土ea i l dt i i n ec o n s m n p t i o n k e y w o r d s g a i ti 沁c o g l l i t i o n p r o c m s t e s 僦i cs h a p ea i l a l y s i s p r o c m s t e sm e a n s h a p e m s f o w i e rs p e c 协 l i la n a l y s i s f s a m 1 l n i 新e wr e c o 鲥0 n n e a r e s t n e i 翊1 b o r 删n kn e 黜s tn e i 曲b o r k n n c i a s s n o t p 3 9 1 4 致谢 本论文的工作是在我的导师阮秋琦教授的悉心指导下完成的 阮秋琦教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响 在此衷心感谢两年来 阮秋琦老师对我的关心和指导 阮秋琦教授悉心指导我们完成了实验室的科研工 作 在学习上和生活上都给予了我很大的关心和帮助 在此向阮秋琦老师表示衷 心的谢意 阮秋琦教授对于我的科研工作和论文都提出了许多的宝贵意见 在此 表示衷心的感谢 在课题研究阶段我还要感谢邹祺老师给我的帮助和指导 在实验室工作及撰写论文期间 穆美茹 李小利等学姐对我论文中的实验设 计研究工作给予了热情帮助 他们给我提供了宝贵的意见 在我的课题研究中帮 助很大 在此向他们表达我的感激之情 另外也感谢我的父母 他们的理解和支持使我能够在学校专心完成我的学业 序 序 随着计算机网络的飞速发展和信息化进程的日益加快 信息安全和公共安全 越来越显示出其前所未有的重要性 确定无疑的是 为了保证信息安全和公共安 全 必须要对身份进行准确的识别和认证 基于人体生物特征进行生物识别就为 这种安全性要求提供了可能性 所谓生物特征识别 就是指通过获取 分析人体 的生物特征来实现个体身份的自动鉴别 目前 已经有很多生物特征被用来进行 身份的识别和认证 这些生物特征大体上可以分为两类 生理特征和行为特征 生理特征 p h y s i o l o g i c a lc h a r a c t e r i s t i c 这类特征主要是对人体部分的直接 度量 主要包括 指纹 f i n g e r p r i n t 视网膜 r e t i n a 耳朵 e a r 掌纹 p a l m p r i n t 脸像 f a c e 虹膜 l r i s 等 其中最常用的是指纹 行为特征 b e h a v i o r a lc h a r a c t e r i s t i c 主要是从人体所执行的有特色的行为中来提取特 征 是对人的习惯特性的间接度量 主要包括 签名 s i g n a t u r e 声纹 v o i c e p r i n t 击键 k e y s t r o k e 等 目前最常用的是声纹 遗憾的是 到目前为止 没有一种生物特征能适合所有的场合 在对安全性 有严格要求的场合需要融合多种生物特征 于是新的生物特征研究和探索就显得 很重要了 步态作为一种新兴的生物特征就应运而生了 步态的定义为 a p a r t i c u l a rw a yo r 眦n n e ro fm o v i n go nf o o t 步态作为一种新兴的生物特 征被提出来并不是偶然的 在医学 心理学等诸多领域关于步态有着长期的研究 现有的很多算法大多都是研究基于侧面的步态识别算法 本文的研究重点是 要寻找一种具有高识别率 高速度和多视角的步态识别算法 初步构建一个基于 c a s i ad a t a b a s e b 的步态识别系统 能够实现和演示整个步态识别的过程 因此 本文的研究工作主要是 算法的研究 改进和创新 目的就是寻找一种高识别率 的 高效率的步态识别算法 构建一个步态识别系统 为步态识别的进一步研究 提供一个更好的平台 本课题受到国家自然科学基金项目 n 0 6 0 9 7 3 0 6 0 的资助 绪论 1 1 研究背景 1 绪论 随着计算机技术的飞速发展 人类感受到了计算机带来的巨大的生产力 为 了得到更大的利益 人类就计划通过让计算机模拟人的大脑 进行一系列的智能 活动 研究发现 人类获得信息的最主要的途径是靠视觉 于是 计算机视觉应 运而生 利用计算机对得到的相关图像进行分析 从而进行信息的获取 近年来 与计算机视觉相关的一个重要的研究领域就是模式识别 人们每天都在进行各种 的模式识别 通过视觉我们能区分对面的人是张三 李四 能区分桌子 椅子等 同时 随着计算机网络的飞速发展和信息化进程的日益加快 信息安全和公共安 全越来越显示出其前所未有的重要性 确定无疑的是 为了保证信息安全和公共 安全 必须要对身份进行准确的识别和认证 基于人体生物特征进行生物识别就 为这种安全性要求提供了可能性 所谓生物特征识别 就是指通过获取 分析人体的生物特征来实现个体身份 的自动鉴别 旧 在文献 3 中对生物特征给了普遍的定义 ap h y s i o l o g i c a l o r b e h a v i o m lc h 觚l c t e r i s t i c d l i c hc a nb eu s e dt 0i d e n t i 匆锄dv e r i 匆t h ei d e n t i 匆o fa l l i i l d i v i d u a l 目前 已经有很多生物特征被用来进行身份的识别和认证 这些生物 特征大体上可以分为两类 1 生理特征 p h y s i o l o g i c a lc h 聪l c 矧s t i c 这类特征主要是对人体部分的直接 度量 主要包括 指纹 f i i l g e r p r i r l t 视网膜 i 淑i i 岫 耳朵 e 砌 掌纹 p a h n 面n t 脸像 f a c e 虹膜 l r i s 等 其中最常用的是指纹 2 行为特征 b e l m i o r a lc h a r a c t e r i s t i c 主要是从人体所执行的有特色的行 为中来提取特征 是对人的习惯特性的间接度量 主要包括 签名 s i 朗a t i l r e 声 纹m i c 印血t 击键 k e y 咖k e 等 目前最常用的是声纹 基于生物特征的身份识别和认证的算法研究也越来越深入 并且已经渐成系 统 研究表明 能够用来识别和认证身份的生物特征应该具有以下特点 广泛性 每个人都应该有这种特征 唯一性 每个人拥有的特征应该各不相同 稳定性 所选择的特征应该不随时间变化而变化 可采集性 所选择的特征应该便于测量 仅仅满足上面要求的生物特征也不一定就能用于系统的开发 在一个系统开 j 北京交通大学硕士学位论文 发中还要考虑诸如 准确性 鲁棒性 速度 技术背景支持 存储 用户可接受 程度等因素 遗憾的是 到目前为止 没有一种生物特征能适合所有的场合 在 对安全性有严格要求的场合需要融合多种生物特征 于是新的生物特征研究和探 索就显得很重要了 步态做为一种新兴的生物特征就应运而生了 步态的定义为 ap a i t i c u l a rw a yo rm 锄e ro f m o v i n go nf o o t 4 步态作为 一种新兴的生物特征被提出来并不是偶然的 在医学 心理学等诸多领域关于步 态有着长期的研究 1 1 1 步态与生理学 亚里士多德早在公元前4 0 0 3 0 0 年 就已经注意到运动中的步态 5 1 最早的对 步态有资料的研究可以追溯到十五世纪 科学巨匠达芬奇通过解剖 详细研究了 人体各部解剖结构 提出了人体运动服从于力学的观点 十七世纪初 意大利医 生g i o v a i j 1 ib o r e l l i 在其生物学著作d em o t ua i l i m a l i 姗 论动物运动 一书中 对人和动物的运动协调性规律做了系统的研究 并对生物运动时肌肉与骨骼的相 互关系做了详细的描述 从而启发了人们对人体动作和姿态的深入研究 18 7 7 年 m u y b r i d g e l 6 j 用2 4 架照相机 结合快速摄影技术成功地记录了人体 在正常速度下行走时的一组连续照片 如图1 1 将运动分析从单纯的观察性的科学 提升为有数据根据的测量性的定量科学 1 8 9 1 年 德国科学家w i 1 e l i i lb 阳u i l e 和 o t t of i s c h e r 通过解剖 测量和计算了人体运动时的惯性矩 建立了运动过程中的 人体质量分布模型 并且计算了相关关节的合力与合力矩 奠定了定量分析人体 运动的基础 2 0 世纪3 0 年代英国生理学家h i l l 测量了出了在运动中肌肉收缩 张力与运动速度的关系 奠定了人体运动学 人体动力学以及肌肉力学的理论基 础 此后发明的摄影机能够完整的记录运动过程中的连续动作 通过分析这些连 续图片 不仅可以计算出运动中人体的重心变化 还可以计算出速度和加速度 于是使得步态分析的研究向前迈进了一大步 二站后 为了促进伤残军人回归社 会 美国的医学专家和相关的科学研究人员研发了步态分析系统 此系统结合了 人体运动学 动力学和肌肉力学的相关知识 此系统的研究成功 使得关于步态 分析的研究真正的投入到应用中 2 绪论 图1 1m u y b r i d g e 的摄影图片 f i g 1 一lm u y b r i d g e sp h o t g r a p h y 从运动学的角度来看 人体可以看成由关节将一些节段链接而成的一个完整 的体系 因此 为了方便定量分析人体姿态 可以将人体抽象化为一个多链接节 刚体系统 s y s t e mo fr i g i dm u l t i s e 舯e n t s 只要测量出行走过程中各关节角度 节 段尺寸 重心位置等在空间的变化 并且计算出特定关节点的角速度 角加速度 等运动学参数 就能大致确定人体在空间运动的姿态 由于 描述步态需要几百 个运动学参数 这些参数难以复制 所以步态被认为是个体所特有的 7 这是步态 可以作为一种生物特征的运动生理学依据 从运动力学的角度来看 看似简单的步行动作却有着复杂的协调模式 涉及 到中枢神经系统的核心控制 为了达到身体平衡和协调 又涉及颈 肩 臂 躯 干 髋 膝 踝 足 各组件的肌肉 韧带及关节的协同运动 步行运动对所有 人来说基本上都遵循双足模式 但不同人之间骨骼的结构 肢体的长度 身体的 重量等各不相同 而且行走时所受的内力也不一样 运动过程中相对时序和幅度 也不相同 不同人的步态存在差异 这是步态作为生物特征技术的动力学依据 1 1 2 步态与感知心理学 在日常生活中大家都有这样的感觉 我们常常可以根据走路姿态识别出对方 的身份 而不用去看到对方的脸 在文献 8 中 j 0 l l a i l s s o n 通过光点标记的方法记 录了一种连续的m l d s m o v i n gl i g h td i s p l a y s 图像 在m l d s 中 可以根据光点 的运动准确而且快速的识别和辨认出人体的运动 而不用看到具体的肢体运动过 北京交通大学硕士学位论文 程 在这之后的研究还表明 通过观察m l d s 图像可以区分出熟识人的身份 9 甚 至还可以区分出图像中运动目标的性别 9 l o 以及他们的跑 跳 走等运动形式 l l 实验研究还表明 如果光点的数量足够多的话 即使在噪声很大的环境下 仍然 可以容易的进行识别 由此 很多运动心理学研究者认为 在识别过程中起关键 作用的不是步态的某些具体特征 如步速 而是步态各组成部分之间的特殊的一 种时空关系 正如在文献 1 2 中提到的时空集合理论 该理论详细的阐述了视觉系 统的组合步骤和过程 以上的科学研究表明 在步态序列中确实含有能够确定人 的身份的信息 这就为步态作为生物特征提供了强有力的支持 由此 计算机视 觉与步态识别就被紧密的联系在一起了 1 1 3 步态与计算机视觉 鉴于心理学和生理学的众多研究成果 步态识别在计算机视觉领域中取得了 很多骄人的成绩 计算机视觉中的步态识别就是指先从图像序列中提取具有区分 性的特征 然后根据这些特征实现自动的身份的识别和认证 早在上世纪九十年代中期 步态识别就在计算机视觉研究领域中兴起了 在 当时步态分析主要是进行诸如 跑 走 跳 爬等运动形式的识别 为了增强国 防实力以及避免恐怖袭击 美国国防部高级研究项目署d 腓 d e f e n s ea d v a n c e d i 沁s e a r c hp r o j e c t sa g e n c y 在2 0 0 0 年9 月提出h i d h u m a i li d e n t i f i c a t i o na tad i s t 觚c e 研究计划 l 引 该计划的主要目的就是开发一种特殊的多模式监控技术 实现远距 离的目标检测 身份识别 该计划中重要的一点是要在远距离实时识别 以往的 一些生物特征不能达到远距离和实时的目的 而步态识别以其特有的优势 成为 本计划的主要研究方法 参加此项目的学校包括 英国南安普敦大学m i v e r s 时o f s 0 1 n b 锄p t o 玛s o t o n 卡内基梅隆大学 c 觚 西em e l l o nu i l i v e r s i 瓤c m 佐治亚理 工学院 g b o r i 西ai 船t i t u t eo ft e c h n o l o g y g a r e c h 麻省理工学院 m 弱s a c h u s e t t s 1 1 1 s t i t u t eo f t e c h n o l o g y m i t 南佛罗里达卅i 大学 i l i v e r s 毋o f s o u n lf l o r i d 如u s f 马里兰大学 i l i v e r s 时o fm a 珂l a n d u m d 等2 6 家高校和研究机构 可见美国对此 计划的投入之大 在这之后 日本 瑞士和加拿大等国家也开始了步态识别的研 究 就国内情况而言 2 0 0 1 年中科院自动化所 c a s 认 率先开始了步态识别的研究 随后西北工业大学 中科院计算所 香港理工大学等也相继的加入的步态识别的 研究中 并逐步取得了一些成果 步态识别是一个多学科交叉的前沿的研究领域 涉及到诸如光学成像 电路 控制 机械设备 质量评价 数据获取以及算法研究等关键技术 步态识别在计算机视觉研究领域中是一个典型的模式识别问题 最终的目的 4 绪论 是根据所提取的特征实现对目标的分类 从步态识别的理论原理来看 步态识别 主要可以分为四部来实现 分别是获取数据 预处理 特征选择及提取 特征分 类 识别过程 特征提取就是利用一些方法获取能够最有效的表达目标的特征 并且将获取 的特征保存在数据库中的过程 由于原始数据量很大 里面不乏有很多冗余 直 接利用这些数据来进行识别对计算机的性能和效率要求都很高 这往往是不现实 的 为了实现有效的分类 理论上最好的方法就是从原始数据中提取出能够表现 本质的特征 其中包括一些特征空间转换 将原始数据从高维空间变换到低维空 间 然后在低维空间提取特征并进行识别 特征的提取直接关系到后面识别率的 高低 有效的特征往往是识别过程中至关重要的一步 于是特征的提取就涉及到 特征的选取和提取的过程 特征的选取一直是研究的重点也是整个步态识别的核 心 为了更有效的提取本质特征 预处理工作就必不可少了 预处理工作包括一 些噪声去除过程和信号增强过程 其次 就是选择合适的分类器进行有效的分类 了 在工程上 步态识别一般分为两大步 注册和识别 验证 在注册阶段 首先 需要获取步态信息的数字表示 通过特征提取的方法获取能够更有效的 更紧凑 的本质特征 然后将这些特征存储在数据库中 在识别验证阶段 首先要进行与 注册阶段同样的数据采集 特征提取 然后将得到的特征与数据库中存储的特征 数据进行匹配 根据匹配结果的数据指标来识别或验证个体的身份 识别需要将 个体的步态特征与数据库中所有的特征模板进行匹配 验证只需要将个体的步态 特征与所对应的特征模板进行比较 由此可见 步态识别的研究的首要问题就是采取何种特征并将特征以特定的 数据格式存储在数据库中 然后就是设计识别率最高的识别算法 最终实现身份 的识别与验证 当前步态识别研究中已经有众多的标准数据库 可在此基础上比 对所研究算法的有效性 现在 步态识别研究的重点就是设计具有高识别率的算 法 步态识别算法设计的难点在于 1 研究涉及的领域广 步态识别算法涉及到了目前在计算机视觉研究领域 中的热点和难点 诸如 图像分割和运动目标的检测 特征的选取和表达 分类器的设计等 2 影响因素多 就目前的科技水平很难得到步态的动力学模型 所以现在 的步态识别研究多是通过运动学信息 然后利用行走的外观姿态来进行 身份的判定 研究过程中发现影响外观姿态有多种因素 包括 行走的 环境 摄像机的角度 心理因素 生理因素等 5 北京交通大学硕士学位论文 3 数据量大 采集得到的数据往往都是视频图像序列 在研究过程中 需 要考虑个体的图像特征随着时间的变化 这就带了庞大的数据量 而且 步态的特征维数相对脸像来说维数很高 因此使得计算复杂度高了很 多 因此 步态识别目前在计算机视觉中占有很重要的位置 其研究成果也将推 动计算机视觉中其他研究领域有很重要的理论借鉴和推动作用 1 2 研究意义 生物特征识别技术是一个新兴的并蓬勃发展的产业 根据国际生物集团 i n 删i o n a lb i o m e t r i cc 胁u p i b g 的统计 截止到2 0 0 5 年生物特征技术市场全球 统计额达到2 2 亿美元 据专家的保守估计 未来l o 年 仅仅在我国就将近有1 0 0 亿元的市场有待企业去发展和开拓 1 智能监控1 1 4 j 随着生物特征识别技术的飞速发展 基于步态特征进行身份识别的技术愈显 示出其独有的潜力和研究价值 在一些对安全性非常敏感的场所 如停车场 商 店 银行 机场 以及海关等 往往都需要安装监控系统 为了达到高的覆盖率 所需要的监控摄像机也就随之增多 尽管目前监控摄像机已大致实现商用化 但 是摄像机不能实现实时的监控作用 仅仅局限于保存监控视频 这就为实际的应 用带来很多不便 例如 当突发异常情况时 保安人员并不能及时的发现这些异常 情况采取相关的措施 只能通过观察监控摄像机保存的结果进行分析 但对于紧 急情况往往为时已晚 由此 智能视觉监控系统的概念就被提出来了 智能视觉 监控不仅要求用摄像机代替人眼进行一些简单的观察动作 还要求利用计算机代 替人脑 完成实时的控制和监控任务 研究发现 利用步态识别技术 可以远距 离的自动分析捕捉到的图像 以便对突发情况进行实时的处理 这样也就减少了 雇佣大批人员所需的财力 人力和物力的投入 2 防盗处理 1 5 j 步态识别还可用于防盗 如在手机或电脑等贵重电子产品上 安装上已记住 主人行走姿势的防盗装置 一旦发现有陌生人盗用就会使机器停止工作并发出报 警信号 现今社会对于智能监控的要求日益增加 步态识别由于具有远距离 非 接触性 难以隐藏 对视频质量要求不高等优点 非常适用于安全监控等场合 因此 若将步态识别技术商品化 肯定会有巨大的市场潜力 3 人体行为的计算机分析 1 6 步态识别技术可以应用在体育项目上 将运动员的运动图像序列输入到步态 6 绪论 识别系统中 可以分析运动图像序列中感兴趣的关节的运动方式和规律 根据人 体的运动行为机制帮助运动员找到最佳的姿势来提高训练效率和竞技成绩 如可 用于 舞蹈 篮球 足球 跑步 滑冰等项目 人体步态分析还可用在医学治疗上 为诊断和治疗提供有利的数据支持 可 以先建立人体正常情况下的步态运动模型 再将病人的步态模型与正常模型相比 较 找出病人的腿部受伤情况 从而做出积极有效的治疗 4 科学研究价值u 纠 步态识别与其他多种学科关联甚密 一方面 可以将模式识别和图像处理等 多学科的新思想与新方法应用于步态识别研究中 以提高步态识别的效率 另一 方面 首先 步态识别的研究成果可以应用于计算机视觉的其他研究领域 促进 视频序列中运动目标的分割与跟踪 处理运动目标被遮挡等新方法的研究 还会 带来新的特征提取方法和分类方法 从而促进模式识别这一领域的发展 其次 人的步态中包括了很多骨骼和肌肉的运动信息 因此步态识别的研究也将会推动 运动学的研究 由此可见 步态识别技术的研究具有重要的科学意义 除此之外 步态识别还在很多其他的领域 诸如 虚拟现实 运动分析 医 学 高级用户接口以及基于模型的编码等 有着潜在的经济价值和广泛的应用前 景 步态识别技术以其固有的优势 1 4 远距离识别 非侵犯性 难于隐藏 广泛 的应用前景和重要的科学研究意义 而倍受关注 本文的研究目的主要是结合图 像处理 模式识别等学科的知识 从视频图像序列中提取有效的人体步态特征 以提高步态识别的准确率 1 3国内外研究现状 早在上世纪九十年代中期 步态识别就在计算机视觉研究领域中兴起了 在 当时步态分析主要是进行诸如 跑 走 跳 爬等运动形式的识别 为了增强国 防实力以及避免恐怖袭击 美国国防部高级研究项目署d 眦 d e f e n s ea d v a i l c e d r e s e 卸曲p r o j e c t sa g e n c y 在2 0 0 0 年9 月提出h i d h u i l l a l li d e n t i f i c a t i o na tad i s t a i l c e 研究计划 1 3 1 4 该计划的主要目的就是开发一种特殊的多模式监控技术 实现远 距离的目标检测 身份识别 该计划中重要的一点是要在远距离实时识别 以往 的一些生物特征不能达到远距离和实时的目的 而步态识别以其特有的优势 成 为本计划的主要研究方法 参加此项目的学校包括 英国南安普敦大学似l i v e r s 时 o f s o 删h a m p t o l l s o t o n 卡内基梅隆大学 c a r n e g i em e l l o nu i l i v e r s i t y c m 佐治亚 理工学院 g e o r i 西ai n s t i t u t eo ft e c t u l o l o g y g d r e c h 麻省理工学院 m a s s a c h u s e t t s 7 北京交通大学硕士学位论文 h l s t i t i j 钯o f 慨l l l l o l o g y m i d 南佛罗里达州大学 u i l i v e r s 时o f s o u t l lf l o r i d 码u s f 马里兰大学 i l i v e r s i t ro fm a 巧l a n d in 讧d 等2 6 家高校和研究机构 可见美国对此 计划的投入之大 在这之后 日本 瑞士和加拿大等国家也开始了步态识别的研 究 国内关于步态识别的研究开展较晚 从2 0 0 0 年开始 率先进行步态识别研究 的是中科院自动化所模式识别实验室 近年来 中科院自动化研究所生物识别与 安全技术研究中心和中科院模式识别国家重点实验室视觉监控研究组做出了大量 研究工作 在智能视频监控 步态分析 远距离身份识别等方面取得了大量研究 成果 并且发表了多篇论文 在安全监控等领域也有了相应的产品 为了推动步 态识别研究的发展 中科院自动化所提供了一个标准数据库c a s 认步态数据库 并且支持免费下载 目前 已有多个研究单位相继投入了步态识别研究 主要包 括清华大学 北京交通大学 哈尔滨工业大学 西安电子科技大学 北京工业大 学 香港理工大学等多所国内著名大学 r 刀 步态特征主要分为静态特征和动态特征两类 静态特征指的是人体的几何特 性 如身高以及体形 而动态特征指的是人在行走时运动关节的变化 直观上看 步态识别主要依赖于静态特征随时问的变化 因此 早期的步态识别研究主要集 中在底层的静态信息 如运动轮廓 行走步幅 只有少数工作使用内在信息 如 关节角度的变化 而这些内在信息更能反映步态模式的本质 所以 动态特征将 成为步态识别研究的一个重要方向 目前 从多数文献来看 大都还是处在理论层面的探索研究 而且研究过程 都是在以下几个假设条件下进行的 1 假设摄像机静止 并且在摄像机的视角范围内只有一个人在运动 2 采用的多是人的侧面图像 即测试对象的行走方向和摄像机的主轴方 向垂直 3 没有统一的标准 来确定识别率的高低 目前的识别大都是提取测试对象的侧面图像信息进行识别 从正面来识别的 方法非常少 而且现有的方法大都存在计算代价大或是识别效率低的问题 1 7 1 因 此 现在步态识别的研究目标不仅在于提高识别率 更重要的是还要能够对各种 变化因素 如光照 观察视角 复杂背景 身体负重等等 具有很好的鲁棒性 1 8 1 9 2 啦1 1 1 4 本文的主要工作 随着社会的发展 安全性问题越来越多的受到关注 尤其是在一些对安全性 8 绪论 特别敏感的场所 于是很多生物识别技术就被应用到安全领域 步态作为一种新 型的步态特征以其固有的优势 非入侵性 远距离身份识别 难以隐藏性 可在 对方未知的情况下得到其步态特征 用户接受程度高等特点获得了越来越多的关 注 步态识别就是根据人走路的姿势进行识别和认证 随着人们对安全性要求的 不断提高 关于步态识别的研究将会不断的深入和完善 在未来很有可能应用到 日常生产生活的各个方面 在研究过程中 通过总结 比较国内外的算法 提出 了一种新的 识别率高的算法 搭建一个简单的步态识别系统 针对以上的研究 目标 本文的主要工作如下 第一 针对运动目标检测 本文采用了一种改进的背景减除算法 该算法能 够实时的更新背景 省去了背景建模的过程 第二 在进行背景减除算法之后发现 存在小的颗粒噪声和一些较大块的噪 声 本文采用形态学方法处理这些小的颗粒噪声 利用连通区域处理来解决一些 大块的噪声 在运动区域内通常会存在一些空洞 采用区域填充算法进行处理 第三 目前 关于步态识别的研究一般都是基于侧影的 本文旨在寻找一种 适用于多视角的 识别率高的算法 p r o c m s t e s 形状分析法是方向统计学瞄 中一种 特别流行的方法 它非常适用于编码2 维形状 并且提供了一种很好的工具来寻 找一组形状的紧致表达 均值形状 p r o c m 咖sm e 觚s l l a p e k a u p p i e n 在文献 2 3 中通过比较多种典型形状识别方法得出的结论为 基于物体轮廓的傅里叶描述子 具有很好的形状识别性能 本文将视频序列的p r o c n 塔t e s 均值形状作为一种原始特 征 将p r o c m s t e s 均值形状频谱分析后的幅度谱作为最终的步态特征 第四 实现一种基于中科院c a s nd a t a b a s eb 的步态识别系统 该系统的主 要设计目标是 简单 功能完全 便于操作 并且将本文提出的算法与p r o c m s t e s l l 4 j p r o c m s t e s 1 af 2 2 1 关键帧的傅里叶频谱分析 2 4 这三种算法在系统上进行比较 为 以后的步态识别的研究提供一个更好的平台 1 5论文的章节安排 本文从论文结构上主要分为五章 介绍如下 1 绪论 本章主要介绍了步态识别研究的背景 理论依据 研究意义 讲 解了该课题国内外的研究现状 从中找到本文的切入点 2 步态识别研究方法 本文主要介绍了在步态识别的整个算法中各个模块 运动目标检测 周期检测 特征提取 分类识别等计算机视觉和模式识 别研究领域中涉及到的各种算法 比较各个算法的优缺点 通过比较各 个算法 从中找到本文的研究重点和方向 9 北京交通大学硕士学位论文 3 基于p m s 的傅里叶频谱分析的多视角步态识别 这是本文的创新点所 在 本章详细讲述了本文提出的新的算法 以及这个算法的实现流程 以中科院的c a s n d a t a b a s eb 数据库为研究对象 与其他三种算法进行 了比较 比较内容包括正确识别率和所消耗的时间 并对实验结果进行 了详细的分析 4 步态识别系统 本章中主要介绍了搭建的步态识别系统 介绍了这个系 统的搭建平台 软硬件环境 整体框架设计和各功能模块的框架 介绍 了步态识别系统的各个界面 功能演示 5 结论 针对本文的研究内容作了一下总结 并且针对以后的研究方向 和内容作了展望 l o 步态识别研究方法 2 1 引言 2 步态识别研究方法 步态识别是一门综合技术 融合了计算机视觉 模式识别与视频图像序列处 理等技术 它主要解决识别和认证两类问题 识别主要是对未知身份的确认问题 需要将未知身份的人的步态输入到数据库中与库中的模板数据进行比对 找出相 似性最高的模板 从而确定其身份 认证就是验证其身份是否与所给身份一致的 问题 需要将其与给定的身份模板进行比对 从而根据相似度确定身份是否一致 从而作出