與服飾、攜帶物無關(guān)的多視角下的步態(tài)識別.pdf

1、近年來，信息化日程的日益加快使得信息安全和公共安全越來越凸顯出其重要性，尤其對于部隊等對安全要求較高的場合，如何準確認定一個人的身份、保護信息安全已經(jīng)成為一個必須解決的關(guān)鍵性問題。生物特征識別技術(shù)以簡潔、快速，對身份認定可靠、準確，易于與安全、監(jiān)控、管理系統(tǒng)整合等諸多優(yōu)勢越來越受到人們的青睞。步態(tài)識別就是在這種大背景下引起了人們的關(guān)注。
　　與傳統(tǒng)生物特征識別相比，步態(tài)識別具有以下三個優(yōu)勢：一是隱蔽性，無需被識別人的配合，可不經(jīng)發(fā)

2、覺完成采集；二是遠距離性，無需近距離接觸即可獲取并識別；三是真實性，步態(tài)難以掩飾。目前，大多數(shù)步態(tài)識別算法都是基于正面視角或側(cè)面視角且運動人體不被服飾、攜帶物等遮擋的情況下進行識別的。視角、服飾、攜帶物等影響因素使步態(tài)識別的實用性受到了限制。本文結(jié)合武警部隊處突反恐、執(zhí)勤警衛(wèi)、協(xié)助公安機關(guān)抓捕犯罪嫌疑人等工作實際需求，旨在尋找一種不受視角、服飾、攜帶物影響的魯棒性步態(tài)識別算法，使步態(tài)識別能夠應用于武警部隊的日常工作。本文所做的主要工作和

3、取得的成果有：
　　（一）步態(tài)預處理部分。本文步態(tài)預處理部分主要針對步態(tài)檢測、圖像歸一化和步態(tài)周期的確定進行研究。重點針對用于步態(tài)檢測的背景減除法進行創(chuàng)新，針對傳統(tǒng)背景減除法得到的運動人體二值圖像容易出現(xiàn)大面積空洞和陰影的問題，提出了一種改進的基于圖像分割的背景減除法。通過對運動人體灰度圖像進行分割，對不同部分分別設定閾值二值化后再拼接為完整圖像的方法獲得運動人體二值圖像。與傳統(tǒng)背景減除法相比，基于圖像分割的背景減除法提取到的運動

4、人體二值圖像更精確。
　?。ǘ┎綉B(tài)特征提取部分。重點針對傳統(tǒng)步態(tài)特征提取算法對視角和服飾、攜帶物魯棒性差的問題進行創(chuàng)新，提出了基于運動人體重心軌跡的步態(tài)特征提取算法和基于泊松方程的步態(tài)特征提取算法?；谶\動人體重心軌跡的步態(tài)特征提取算法計算一個步態(tài)周期內(nèi)的運動人體重心，得到重心軌跡，通過對重心軌跡進行FFT變換消除服飾、攜帶物的影響，提取傅立葉系數(shù)作為重心軌跡特征?；诓此煞匠痰牟綉B(tài)特征提取算法提出了一種基于泊松方程的步態(tài)特征圖

5、GF，在任意視角下均可對難以被服飾、攜帶物影響的運動人體凸出部位（如頭部、小腿、腳部等）進行有效提取，利用Gabor小波和2D-PCA對步態(tài)特征圖進行特征描述并降維，得到GF特征。實驗結(jié)果表明，兩種算法均可在多視角下有效消除服飾和攜帶物的影響。
　?。ㄈ┎綉B(tài)識別部分。為利用特征融合進一步增強本文算法在多視角下對服飾、攜帶物的魯棒性，提高識別率，分別對重心軌跡特征和GF特征進行特征層融合和匹配層加權(quán)加法融合。重點針對特征層融合進行