一种基于步态的身份识别新方法
基于步态特征的身份识别算法研究
ｄ ｎｉ ｅ ｏ ｉ ｏ ．Ｔ ｅ ｐ ｐ ｒｐ ｔ ｆｒ ａ ｄ ａ ｄ ｎ ｉ ｃ ｔ ｎ ａｇ ｒ ｍ ａ ｅ ｎ ｇ ｉ ｓ ａ ｉｌｃ ａ ａ ｔｒｓ ｃ ｎ ｒ － ｅ ｔ ｒ ｃ ｇ ｔ ｎ ｈ ａ ｅ ｕ ｏ ｗ ｒ ｎ ｉ ｅ ｔ ｉａｉ ｌｏ ｔ ｙ ｔ ｎ ｉ ｆ ｏ ｉ ｈ ｂ ｓ ｄ ｏ ａｔ ｐ ｔ ｈ ｃｅ ｔ ｓ ａ ｄ ｆｅ ａ ｒ ｉ ｉ
进行预处理 提取 运动 目标 ， 然后对 运动 目标进 行切 割提取步
式 中， （ ，） ａ ｘ Ｙ 表示当前图像在像素 （ Ｙ 处的亮度值 ，（ Ｙ ， ） ６ ，） 表示背景 图像 在像 素（ Ｙ 处 的亮度值 。 ，） 然后通过 式 （ ） 间接 背景 减 除后 的二值化 图像 进 行 ３对
由于步态空间和频率特征均可 以有 效步态 特征 ， 如果能
・
等
（） ２
【 ≤ ａ ｂ ≤１ ０ （ Ｙ ，（ Ｙ ￣２５ ０ ，） ， ≤口 ，） ｂ ，） ５ ＜
够将两者充 分结 合起来 ， 应该 能够 提高身份识 别系统 的正确 率和鲁棒性 ， 因此鉴 于特 征融合 思想 ， 文 首先对 步态 图像 本
Ｋ ＹＷＯＲ ： ｕ ｎｉｅｔｉａｏ ；ｕｐ ｒｖｃ ｒ ａｈｎ （ Ｖ ；ｅｔｒ ｓ ｎ Ｆｕ ｅ ａ ｓ ｒ Ｅ ＤＳ Ｈ ｍａ ｎ ｆ ｔ ｎ Ｓ ｐ ｏ ｅｔ ｃ ｉ Ｓ Ｍ） Ｆ ａ ｅｆ ｉ ； ｏｒ ｒ ｒ ｆ ｍ ｄ ｉｃ ｉ ｔ ｏｍ ｅ ｕ ｕｏ ｉ ｔｎ ｏ
２ Ｏ世纪 ９ ０年代 ， 人们 对步 态的身份识 别算 法 开始进 行
一
从 图 １可知 ， 步态 的身份 识别 系统 中 ， 为关 键 步骤 在 最
在 于对 步态 特征选择 ， 直接影响身份识 别正确率 。从 机器 其 视觉 的角度 来看 ， 当前步 态特 征提取 分 为两大 类 ： 步态 空 间 特征和 步态频率 特征 ， 但是无论 步态空间特征 或步态频 率特 征 只都 能描 述 步态 部分 信 息 ， 法全 面 的描 述 整个 步 态信 无 息， 因此 当前单一步 态特 征身份识 别的正确率 比较低 。
一种基于平均步态能量图的身份识别算法
工 程 图 学 学 报
ＪｏＵＲＮ ＡＬ ＯＦ ＥＮＧＩ ＮＥＥＲＩ ＮＧ ＧＲＡＰＨＩ ＣＳ
２ ０１ １
ＮＯ１ ．
第 １期
一
种 基于 平均步 态 能量 图的身份 识别算法
张前进 陈祥 涛２ 卜文绍 ， ，
（ ． 河南科技大学 电子信 息工程 学院，河南 洛 阳 ４ １０ ； １ ７ ０ ３
（ ． ｃ ｏ ｌ ｆ ｌｃ ｏ ｉ ｄＩｆｒ ｔ ｎＥ ｇｎ ｅｉｇ Ｈｅ ａ ｎｖ ｒｉ Ｓ ｉｎ ｅ ｎ ｅｈ ｏｏ ｙ Ｌ ｏ ａ ｇ ｎ ｎ４ １ ０ ， ｈｎ ； １ Ｓ ｈ ｏ ｏ Ｅ ｅｔ ｎｃ ａ ｏ ｍａ ｏ ｎ ｉｅｒ ， ｎ ｎＵ ｉｅｓ ｙｏ ｃ ｃ ｄＴ ｃ ｎ ｌｇ ， ｕ ｙ ｎ ａ ７ ０ ３ Ｃ ｉａ ｒ ｓｎ ｎ ｉ ｎ ｔ ｆ ｅ ａ Ｈｅ ２ Ｍｏ ｅ Ｅ ｕ ａ ｏ ｅｈ ｏｏ ｙａ ｄＩｆ ｒ ｔ ｎＣ ｎｅ， ｅ ａ ｎｖ ｒｉ ｆ ｃｅ ｃ ｎ ｅ ｈ ｏ ｇ ， ｕ ｙ ｎ ｅ ａ ７ ０ ３ Ｃ ｉ ． ｄ ｍ ｄ ｃｔ ｎＴ ｃ ｎ ｌｇ ｏｍａｉ ｅ ｔｒＨ ｎ ｎＵ ｉ ｓ ｙｏ Ｓ ｉ ｅ ｄ ｃ ｌ ｙ Ｌ ｏ ａ ｇＨ ｎ ｎ １ ０ ， ｈｎ ｉ ｎ ｎ ｏ ｅ ｔ ｎ ａ Ｔ ｎ ｏ ４ ａ）
Ａｂ ｔａ ｔ Ａ ｍｂ ｄ ｅ ｉｄ ｎＭａｋ ｖｍｏ ｅ（— ＭＭ） ｕ ｎｒｃｇ ｉｏ ｃ ｅ ａｅ ｓ ｃ： ｎｅ ｅ ｄ ｄｈｄ ｅ ｒｏ ｄ ｌ Ｈ ｒ ｅ ｈ ｍａ ｅｏ ｎｔ ｎｓｈ ｍｅｂ ｓｄ ｉ
ｏ ａ ｎ ｒｙ ｉ ｇ （ Ｉ ｓｐ ｏ ｏｅ ． ｉ ｔａｐｅ ｒｃｓ ｅｈ ｉｕ ｓｕｅ ｏ ｓｇ ｎ ｔｅ ｎ ｇ ｉ ｅ ｅｇ ｍａ ｅＧＥ ）ｉ ｒｐ ｓｄ Ｆｒ ｒｐ ｏ ｅｓｔｃ ｎｑ ｅ ｉ ｓｄ ｔ ｅ ｍｅ ｔ ｈ ｔ ｓ
一种基于特征融合的步态识别身份认证方法[发明专利]
![一种基于特征融合的步态识别身份认证方法[发明专利]](https://img.taocdn.com/s3/m/8e6d388e970590c69ec3d5bbfd0a79563c1ed425.png)
(10)申请公布号(43)申请公布日 (21)申请号 201510749195.4(22)申请日 2015.11.05G06K 9/00(2006.01)G06K 9/62(2006.01)(71)申请人天津理工大学地址300384 天津市西青区宾水西道391号天津理工大学主校区(72)发明人黄玮 殷铭 王劲松 田永生(74)专利代理机构天津佳盟知识产权代理有限公司 12002代理人侯力(54)发明名称一种基于特征融合的步态识别身份认证方法(57)摘要基于特征融合的步态识别身份认证方法，该方法包括：首先，摄像头实时采集当前背景图像和检测目标的步态原始图像序列，采用灰度化、欧式算法、中值滤波等方法获得二值步态图像序列；然后直接对人物轮廓像素点进行提取，获得基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；最后利用SVM 算法和贝叶斯算法相融合的新算法对检测目标分类，输出最终的识别结果。
该方法能够快速准确地去除背景，且提高了不同环境下的适应性。
此外，由于传统贝叶斯算法的前验概率是根据以往的经验而人为设定的，导致其识别率较低，而融合了SVM 算法后能够提高贝叶斯算法的前验概率，使得整体的识别精度能有显著提升。
(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书3页 说明书7页 附图1页CN 105335725 A 2016.02.17C N 105335725A1.一种基于特征融合的步态识别身份认证方法，其特征在于包括以下步骤：S1.摄像头实时采集当前环境的背景图像和检测目标的步态原始图像，并对图像进行灰度化处理，得到灰度化的图像序列；S2.将灰度化后的步态序列图像用欧式算法去除背景，初步得到去除背景后的步态序列二值图像；S3.将初步得到的步态序列图像进行中值滤波处理，将图像中的孤点噪声去除，得到最终的去除背景后的步态序列二值图像；S4.直接对人物轮廓像素点进行提取，获得轮廓边缘特征向量；S5.对所获得的轮廓边缘特征向量进行处理，得到基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；S6.利用步态特征向量数据库中的所有步态特征向量分别以动态特征和静态特征用基于径向基核函数的SVM 分类器分类得到新的特征向量；S7.将SVM 的训练结果交由基于m 估计的贝叶斯算法进行识别；S8.输出识别结果。
gaitset算法原理
gaitset算法原理GaitSet算法原理概述：GaitSet算法是一种基于人体步态识别的方法，其原理是通过对人体步态进行建模和比对，实现对个体的身份识别。
步态是指人体行走时特有的动作模式，每个人的步态都有独特的特征，可以作为个体识别的一种生物特征。
步态建模：在GaitSet算法中，首先需要对人体的步态进行建模。
建模的过程包括两个主要步骤：姿态估计和运动特征提取。
姿态估计是通过对视频或图像序列进行分析，估计出人体在每一帧中的姿态信息，包括关节的位置和方向。
运动特征提取是基于姿态信息，对人体的运动进行建模，提取出与步态相关的特征。
常用的运动特征包括步幅、步频、步态周期等。
特征比对：在建模完成后，GaitSet算法通过将不同个体的步态特征进行比对，实现对个体的身份识别。
比对的过程主要包括特征匹配和相似度计算。
特征匹配是将待识别个体的步态特征与已有的模板特征进行匹配，找出最相似的特征。
相似度计算是根据匹配结果，计算出待识别个体与已有模板的相似度评分，评估其与已有个体的相似程度。
特征匹配：在特征匹配的过程中，GaitSet算法采用了一种基于深度学习的方法，即使用卷积神经网络（CNN）进行特征提取和匹配。
CNN是一种适用于图像处理的神经网络模型，可以自动学习特征表示。
GaitSet算法将步态特征表示为图像形式，然后通过CNN对图像进行处理，提取出与步态相关的特征。
相似度计算：在相似度计算的过程中，GaitSet算法通常采用欧氏距离或余弦相似度等度量指标来衡量待识别个体与已有模板的相似程度。
欧氏距离是一种常用的距离度量方法，表示两个向量之间的距离。
余弦相似度是一种常用的相似度度量方法，表示两个向量之间的夹角余弦值。
应用场景：GaitSet算法在人体识别领域有着广泛的应用。
例如，在安防领域，可以通过对行人进行步态识别，实现对陌生人的身份检测和追踪。
在智能交通领域，可以通过对驾驶员的步态进行识别，实现对驾驶行为的监控和评估。
一种基于步态特征的身份识别方法及系统[发明专利]
![一种基于步态特征的身份识别方法及系统[发明专利]](https://img.taocdn.com/s3/m/5c77342ebb1aa8114431b90d6c85ec3a87c28b95.png)
专利名称：一种基于步态特征的身份识别方法及系统
专利类型：发明专利
发明人：张震,张思源,田鸿朋,彭景昊,张荀,张蝶,张亚斌,李现周,张安琪,宋超,王文娟,李苏晨
申请号：CN202210125686.1
申请日：20220210
公开号：CN114627493A
公开日：
20220614
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于步态特征的身份识别方法及系统，属于身份识别技术领域。
方法包括：获取不同视角下的原始图像并输入至目标检测模型中，确定待识别行人的位置；通过行人分割模型对原始图像进行分割，得到各视角下的待识别行人轮廓；将各视角下的待识别行人轮廓输入分类模型中，得到各视角下的待识别行人轮廓的分类结果；将不同视角的分类结果中属于同一个已知身份行人的身份概率进行加权叠加得到待识别行人为该已知身份行人的最终身份概率；最终身份概率最大对应的已知身份行人即为待识别行人的身份识别结果。
本发明将不同视角下的分类结果进行加权叠加后确定待识别行人的身份，整体识别过程高效、准确。
申请人：郑州大学
地址：450001 河南省郑州市高新区科学大道100号
国籍：CN
代理机构：郑州睿信知识产权代理有限公司
代理人：王凯迪
更多信息请下载全文后查看。
公需科目：2019人工智能与健康试题及答案(三)
眉山市2019年公需科目培训《人工智能与健康》试题及答案（三）一、单项选择题1.在2016年，ImageNet测试的识别错误率为（）。
（2.0分）A.2.1%B.3.5%C.26.5%D.28.2%我的答案：B√答对2.“计算机器能够思维”的观点是由（）提出来的。
（2.0分）A.冯·诺依曼B.图灵C.诸葛亮D.公输班我的答案：B√答对3.在（）年，AlphaGo战胜世界围棋冠军李世石。
（2.0分）A.2006B.2012C.2016D.2017我的答案：C√答对4.古代把计量叫“度量衡”，其中，“衡”是测量（）的过程。
（2.0分）A.长度B.容积C.温度D.轻重我的答案：D√答对5.（）是一种基于树结构进行决策的算法。
（2.0分）A.轨迹跟踪B.决策树C.数据挖掘D.K近邻算法我的答案：B√答对6.我国在语音语义识别领域的领军企业是（）。
（2.0分）A.科大讯飞B.图谱科技C.阿里巴巴D.华为我的答案：A√答对7.（）是一种处理时序数据的神经网络，常用于语音识别、机器翻译等领域。
（2.0分）A.前馈神经网络B.卷积神经网络C.循环神经网络D.对抗神经网络我的答案：C√答对8.古代把计量叫“度量衡”，其中，“量”是测量（）的过程。
（2.0分）A.长度B.容积C.温度D.轻重我的答案：B√答对9.下列判定标准中，不属于金标准的是（）。
（2.0分）A.化验检出埃博拉病毒→感染B.病理检测发现突变细胞→肿瘤C.心电图显示T波改变→供血不足D.超声显示室间隔缺损→先心病我的答案：C√答对10.在2016年，我国人工智能企业超过了（）家。
（2.0分）A.1000B.1200C.1400D.1500我的答案：D√答对11.（）是人以自然语言同计算机进行交互的综合性技术，结合了语言学、心理学、工程、计算机技术等领域的知识。
（2.0分）A.语音交互B.情感交互C.体感交互D.脑机交互我的答案：A√答对12.关于专用人工智能与通用人工智能，下列表述不当的是（）。
基于步态的身份识别PDF
*
本课题得到国家自然科学基金（69825105, 60105002）及中科院自动化所创新基金（1M02J04）资助. 1
基于步态的身份识别
Hayfron-Acquah[11]使用广义对称性算子进行步态识别；Johnson 与 Bobick[12]在步态识别中使 用了静态身体参数；Yam 等[17]尝试利用跑步行为进行人的识别。但仍需强调的是，步态识 别研究目前仍处于起步阶段：１）实验通常是在受限的条件下实现的，如相对简单的背景、 相对于摄像机而言人的侧面行走等；２）算法评估都是在小样本数据库上进行的，一般最多 不超过 ７ 人、４０ 个测试序列。 直观上， 基于步态的身份识别很大程度上依赖于人体轮廓形状随着时间的变化过程。 故 我们可将步态序列看作由一组静态姿势所组成的模式， 然后在识别过程中引入这些观察姿势 随着时间的变化信息。本文提出了一种基于统计主元分析的步态识别算法，系统流程如图 1 所示。对于输入步态序列而言，利用改进的背景减除方法进行人的检测和跟踪；然后，通过 边界跟踪实现行人轮廓的提取，并将其展开为对应的 1D 距离信号；训练过程使用经典 PCA 方法进行特征空间的计算， 而测试过程将获取的距离信号序列在特征空间中投影并结合已创 建的数据库实现个体的身份识别。NLPR 数据库上的实验结果验证了算法的有效性。
j =1
Ni
i, j
(8)
3
基于步态的身份识别
3 识
别
3.1 相似性度量 1 ）时空相关： 步态是时空运动，故我们期望使用时空相关 STC （ Spatio-temporal Correlation）来更好捕捉它的空间结构特性及时间平移特性。 对于任意两个步态序列，首先在预处理阶段被转换为距离信号序列 I1 (t)、I2 (t)；它们在 特征空间中的投影轨迹 P 1 (t)、P 2 (t)分别为
对步态识别技术应用领域和独特识别...
签名：
日期：
南昌航空大学硕士学位论文使用授权书
本论文的研究成果归南昌航空大学所有，本论文的研究内容不得以其它单位 的名义发表。本人完全了解南昌航空大学关于保存、使用学位论文的规定，同意 学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。 本人授权南昌航空大学，可以采用影印、缩印或其他复制手段保存论文，可以公 布论文的全部或部分内容。同时授权中国科学技术信息研究所将本学位论文收录 到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。
基于上述方法，设计开发了一个步态识别原型系统。在中国科学院自动化研 究所提供的 CASIA 步态数据库上进行了步态身份识别实验，实验结果表明，基于 G-CHMM 的步态识别方法具有较高的识别率。
关键词：步态识别，生物识别，隐马尔可夫模型，特征提取
I
Abstract
Gait recognition refers to automatic identification of an individual based on his/her style of walking. Compared with other biometrics, such as fingerprint, face and iris, gait is undisturbed and does not require to be contacted, so gait recognition may be performed at a distance surreptitiously. As a new biometrics recognition technology, gait recognition has received growing interests in the computer vision community.
基于步态特征提取的ELM身份识别方法
第42卷第1期 2021年1月白动化仪表PROCESS A U T O M A T I O N INSTRUMENTATIONVol. 42 No. 1Jan. 2021基于步态特征提取的E L M身份识别方法马添力肖文栋u(1.北京科技大学自动化学院，北京100083;2.北京市工业波谱成像工程技术研究中心，北京100083)摘要:利用步态信息进行身份识别是一种新兴的生物识别技术。
相较于其他的生物识别技术，其具有不易伪装、可在远距离情况下 进行身份识别的优点。
现有模型的识别方法计算量大、模型难以准确建立;现有的分类方法普遍存在训练时间长、分类准确率不高的 问题。
针对以上问题，对步态视频进行分帧处理，将分帧后的图像进行运动目标检测、形态学处理和图像归一化预处理，生成步态能 量图（GEI)，提出了对G E I进行特征提取并采用超限学习机（E L M)进行分类的方法。
测试结果表明，该方法在保证身份识别准确率的 前提下，训练模型的速度有大幅提升。
所提方法对利用步态信息进行身份识别有一定指导意义，特别对大规模图像分类问题的训练 速度提升有较大启发。
关键词：背景建模；步态能量图；特征提取；数据增强；超限学习机；步态信息；身份识别中图分类号：TH86 文献标志码：A D0I：10. 16086/j. cnki. issn 1000-0380. 2020040050ELM Identification Method Based on Gait Feature ExtractionM A Tianli12，X I A O W e n d o n g1’2(1. School of Automation,University of Science and Technology Beijing,Beijing 100083,China；2.Beijing Engineering Research Center of Industrial Spectrum Imaging,Beijing 100083,China)Abstract：The identification with the gait information i s a new biometrics technology,compared with other biometrics,i t has the advantages of not easy to disguise and can be identified at a distance. The gait recognition method based on the model i s computationally expensive and difficult to establish the model accurately；the existing classification methods generally have the problems of long training time and low classification accuracy. In view of the above problems,this paper divided the gait video into frames. After preprocessing such as moving target detection,morphological processing and image normalization,gait energy image (GEI) was generated,this paper proposes a method of feature extraction of GEI and classification by using extreme learning machine (E L M). The experimental results show that this method can improve the speed of the training model greatly on the premise of ensuring the classification accuracy. The proposed method has certain guiding significance for the use of gait information for identity recognition, especially for the improvement of the training speed of large-scale image classification problem.Keywords：Background modeling； Gait energy image；Feature extraction；Data enhancement；Extreme learning machine；Gait information ；Identity recognition〇引言利用步态信息进行身份识别是近年来新兴的一种 生物别技术，它根据人体的步态特征来进行身份的认 证。
一种新的基于不变矩的步态特征身份识别算法
ＷＡＮＧ Ｘｉ ｙ ｕ ａ ｎ， ） ｆ ＡＮ Ｈｕ ｉ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｐ ｈ ｙ ｓ ｉ ｃ ｓ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｎ ｉ ｎ ｇ ｘ ｉ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｙ ｉ ｎ ｃ ｈ ｕ ａ ｎ ７ ５ ０ ０ ２ １ ， Ｃ ｈ ｉ ｎ ａ ）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ 步 态序 列 的表 示
２ １ 观 察 模 型 ．
Ｍａ ｏ ｄ１进行识 别 。Ｌ ｅ对人 的侧 面二 值化 图像 采 ｒ ｖＭｏｅ） ｋ ｅ 用 ７个椭 圆表达其身体 的不 同部分 ， 利用质心等 ４个特 征 并 表示每一个椭 圆 ， 再加 上整个身体 图像质心 的高 度共 ２ ９个 特征表示 整 个 人体 侧 面 图 像 ， 过 模 板 匹 配方 法进 行 识 通 别 ｊ ｕ ａｏ 。Ｃ ｎｄ 等将大腿和小腿建模 为链接的钟摆 ， 并从其倾 斜角度信号 的频率分 量中获取 步态特征 。上述算 法对 外 表、 观察角度 、 携带情况 以及步行 速度等变 化 因素时 的识 别 均存在薄弱之处 Ｊ 。本文在文献 和文献 方法的基础上 ， 提 出了一种基于 ＨＭ 的新方法 。本文对 步态序列采用 Ｖｔ 一 Ｍ ｉ — ｅｉ ｒ 算法 ， ｂ 得到样本 姿态序 列 ， 然后对某个 人的多个 步态 序 列对应 的多个样本姿态序列 的对应姿态取平均 ， 得到特征 姿 态序列 ， 对特征姿 态序列采 用主成分 分析法处 理特征 空间 ， 最后用最近邻法进行识别。与其它基于 ＨＭ 的步态识别方 Ｍ 法不同 ， 本文方法 中的 Ｈ ＭＭ不 用于步态 识别 ， 而是用 来 选出样本姿态 ， 使步态识别对体形变化 （ 外表变化 、 否携 带 是 公文包 等） 情况具有较强的鲁棒性 。
很大的不同 ， 如果考虑人行走 过程 中的所有 因素 ， 步态信 息
对不同的人是唯一的 ， 步态为人的身份识别提供 了独特 的线
索 。２ 纪 ９ 代 ， ｉ ｇ 和 Ａ ｅ ｏ 计 算 机 视 觉 和模 式 ０世 ｏ年 Ｎｙ ｉ ｏ ｄｌ ｎ用 ｓ 识 别 技术 进 行 了步 态 识 别 的研 究 … 。近 年来 ， 家 学 者 提 出 专
维普资讯
第 ３ 第 ６期 １卷 ２０ ０ ７年 １ ２月
南 昌大学学报 （ 理科版 ）
Ｊｕｎ ｆ ａ ｃ ａ ｇＵ ｉ ｒ ｔ （ ａ ｒｌ ｃ ｎ ｅ ｏ ｒ ａ ｏ ｎ ｈ ｎ ｎ ｅｓ ｙ Ｎ ｔ ａ Ｓ ｉ ｃ ） ｌ Ｎ ｖ ｉ ｕ ｅ
二值化 。 获取步态图像序列。背景相减 法利用当前 图像与背 景 图像 的差分来检测 出运动 区域。检测得 到的步态 图像 中 可能含有噪声和空洞 ， 利用 一系列数 学形态学操 作 ， 填充空 洞和滤除噪声。采 用数学 形态学 的开运算 和闭运算 能有效 地消除噪声和填充空洞 ， 而图像 的位置和形状不变 。通过对 步态图像进行边缘跟踪 ， 得到步态 图像的轮廓 。为消除 图像 尺度 、 信号长度对算 法训练 和识 别过 程 中的影 响 ， 将步态 须 图像进行规则化 ， 从而使图像 大小统一。本文经过规则化后 的图像大小取为 １８× ０个像素 。 ２ ８
经过上述一系列 图像预处理后 ， 到步态图像 的初始序 得 列 。在一个步态序列 Ｘ中， 需找 出能表示行走姿态 的关键帧 集合 ， 本文采用 Ｋ均值聚类方法 获得关键 帧。 首先从 一个周
期 的步态图像按顺序 选取有代 表性 的 Ⅳ个姿态作 为初始分
类 中心 ， 然后将步态序列的图像 按照距离最小原则分 配到 Ⅳ 个 聚类 中心 ， 这样聚类 中心 图像 基 于均值 ｍ 的灰度 值就被 反复重置 ， 最后 以各聚类 中心 图像作 为关键帧 。 设 为聚到
有较 强 的鲁 棒 性 。
关键 词： 步态 ； 隐马尔可夫模型 ； ｉｒｉ Ｖｔ ｂ 算法 ； ｅ 主成分分 析
中图 分类 号 ：Ｐ ９ Ｔ ３１ 文 献标 识 码 ： Ａ
步态识别通过对 人体走路 姿态的分析 来 区分 不 同人 的 身份。个体之间在身体 结构和 运动行为上 的基本 特性存 在
第 ｉ 聚 类 中心 的 图像 数 目 ， 为聚 到 第 ｉ 聚 类 中 心 的步 态 个 。 个
图像 ， ｍ 为第 ｉ 聚类 中心 的灰度均值 ， 个 即
ｍｉ ＝ ㈩
经过 Ｋ均 值 聚类 ， 即形 成关键 帧 集合 ｓ ＝ ｛ ， ， ， ｅｅ … ｌ
ｅ 。 图 １所示 为一 个 步 态 周 期 的 关键 帧 图像 。 ｝如
ＯＯｌＯＯＯＯ Ｉ
图１ 态 期 键 图 步 周 关 帧 像
２２ ＨＭＭ参数估计 ．
Ｖｏ ＿ ． ｌ３１ Ｎｏ ６
Ｄｅ ２ ７ ｅ． ｏ０
文 藁 １ ６ ０ ４２ ７ ６ ０ ２ ０ 章 号：０—４ （ ０） —６ —３ ０ ６ ０ ０ ０
一
种 基 于 步 态 的 身 份 识 别 新 方 法
周卫 民， 赵喜玲 ， 李其 申
（ 南昌航 空大学 计算机 学院， 江西 南昌 ３０６ ） ３０ ３
摘
要： 步态识别是通过人走路 的姿态进行身份识 别的新兴生物特征识别技术。算法利用步态 的动态特征 和形 状
信息进行步态识别。首先 ， 对某个人 的一个步态序列利 用动态 Ｖｔ ｂ 算法得到一个样本 姿态序列 ， ｉｒｉ ｅ 对其多个步 态 样本 姿态序列 的对应姿态取平均得到这个人的特征姿 态序列 ， 后对特征 姿态采用主成分 分析法处理 特征空 间， 然 最后用最近邻法进行识 别。利用 Ｕ Ｆ Ｎ Ｓ 据库对本文方法进行了验证 ， Ｓ／ ＩＴ数 取得了较高的识别率 ， 并对体形变化具
了不少步态识别方法 。Ａ ｔ ａ ｍｉＫ ａ等利用人行走 时的二值 化 ｌ 图像的侧 面轮廓作为图像 的特征 本集合 ， 在识别 的过程 中计
算一个 步态序列 的每一帧与标本之 间的 Ｆ Ｄ（ ｅｔｒ Ｅ ａ — Ｅ Ｆａ ｅ ｘｍ ｕ