人体步态特征生物识别方法研究
合集下载
相关主题
- 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)。
人的生物特征有很多种类，但是利用某种生物特 征进行身份认证都有其优缺点。常用的生物特征有： ＤＮＡ、人耳、指纹、手形、步态、掌纹、人脸、虹膜、语音 以及签名等等。实际应用中，没有哪一种生物特征作
为身份识别可以满足所有应用的需要。例如指纹识别 具有高可靠性，然而指纹的采集需要实际的物理接 触。人脸和虹膜识别不需要物理接触，但是需要在正 面拍摄图像，并需要较近的拍摄距离。因此应该根据 应用的具体要求选择某一种生物特征或是多种生物 特征综合应用。
ｂａｓｅｄ ｏｎ ｖｉｄｅｏ ａｎｄ ｒａｄａｒ ｉｓ ａｌｓｏ ｐｒｏｐｏｓｅｄ．Ｆｉｎａｌｌｙ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｇａｉｔ ｂｉｏｍｅｔｒｉｃｓ ｉｓ ｄｉｓｃｕｓｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ． Ｋｅｙ ｗｏｒｄｓ：ｇａｉｔ ｆｅａｔｕｒｅ；ｂｉｏｍｅｔｒｉｃｓ；ｔｉｍｅ－ｆｒｅｑｕｅｎｃｙ；ＳＴＦｒ；ｒａｄａｒ
第２０卷第４期 ２０１０年１２月
天津工程师范学院学报 ＪＯＵＲＮＡＬ ＯＦ ＴＩＡＮＪＩＮ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＥＤＵＣＡＴｌ０Ｎ
Ｖ０１．２０ Ｎｏ．４ Ｄｅｃ． ２０ｌＯ
人体步态特征生物识别方法研究
张军 （天津职业技术师范大学电子工程学院，天津３００２２２）
摘要：人体行走步态特征是一类重要的生物特征，基于步态特征实现生物识别的方法具有较多优势。在分析人体 行走步态特征的基础上，讨论了当前步态识别研究中采用的视频获取、目标提取、步态特征检测以及分类识别的主
常用的目标检测算法是运用变化检测算法从步 态视频图像中提取运动对象，如果视频中包含多个运 动对象，则需要在多个运动目标中提取感兴趣的人体 目标。这样提取出的运动对象还需要经过噪声和干扰 滤波，从而得到步态轮廓图和加强的人体图像，为进 一步特征提取处理打下基础。 ２．２从步态加强图中提取和表达特征
从前面的介绍中可知，人体步行结构有几百个参 数，从视频图像中获取如此多的特征是不可能的，因 而如何从视频序列的有限信息中提取出更多有效的 步态特征就成了目前研究的重点。步态特征的提取方 法有基于模型的方法、基于整体的方法等多种。选择 什么特征及如何表示这种特征，既关乎步态本身的特 点，又与具体的步态识别算法紧密联系１６１。
要技术，研究了基于雷达的步态信号提取方法并给出了实验步态信号时频分析结果；分析了当前研究中存在的主要 难点。提出了基于视频、雷达等多传感器数据融合提高步态识别能力的方法，讨论了步态识别的应用领域和前景。
关键词：步态特征：生物识别；时频分析；短时傅里叶变换；雷迭
源自文库
中图分类号：ＴＰｌ８３
文献标识码：Ａ
文章编号：１６７３—１０１８（２０１０）０４—０００６—０４
数，对雷达获取的人体步态信号进行处理，可以得到
如图３所示的时频分布图。图３中横轴代表时间，纵
轴代表频率，从时频分布图中可以看出，人体手臂与
腿部以及躯干运动速度的变化。
图３基于短时傅里叶变换的步态信号时频分析
圉
Ｉ．．．．．．．．．一
短时傅里叶变换存在分析时宽同定、时间分辨和 频率分辨的同有问题，影响了对人体手臂、腿部速度 变化过程的细致分析。因此，可以进一步考虑采用小 波变换和Ｈｉｌｂｅｒｔ—ｈｕａｎｇ变换等方法来提取特征。
人体步态识别作为一种新兴的生物行为特征识 别，受到越来越多研究者的关注。步态就是人行走的 姿态，它由每个时刻身体各部位的相对运动组成。步 态识别就是通过每个人独特的行走姿势识别出不同 的人的身份。步态特征较之人脸、指纹、虹膜等其他生 物特征，它具有在远距离接触或低质量视频的状态下 进行人身份鉴别等优点１２１。
１人体行走步态的基本特征
人体步态是指人行走时的姿势，是人在步行时所 表现出的状态的统称。它是人体生物机构、运动调节 系以行为及心理活动在行走时的外在表现。正常步态 是指健康人用自我感觉最自然、最舒适的姿势行进时 的步态…。
从生物力学观点来看，一个人的步态是几百个关 节和肌肉的合成运动。早期的医学研究表明，人体的 步态中有２４种不同的成分，人体行走运动是整个人 体肢体结构的函数。由于人体结构是人人不同的，所 以人们相信使用步态的几百个参数可以唯一地区分 一个人。早期研究者曾经作过这样的实验，找一些相 互熟知和未知的观测者和受试者，将一些发光点固定 在受试者的几个关节上，使得观测者在黑暗中只能看 到这些发光点而不能看到受试者行走的肢体。实验发 现观测者可以通过这些发光点的运动轨迹识别出行 走者的性别以及行走者是否是某个朋友。这些实验最 早提供了步态识别可行性的证据１２１。
生物特征识别技术是采用某种自动技术测量个 人独特的生理特征或行为特征，并将这些特征与采集 的数据库中的模板数据进行匹配的一项身份验证新 技术，是随着计算机图像处理和模式识别等学科的发 展而逐步形成的新兴学科。与证件和密码相比，由于 人的生理特征比较稳定，生物特征不容易被窃取、遗 忘或破解，所以通常基于生理特征的识别技术具有更 高的准确率，在身份识别上体现了独特的优势。现今 生物特征识别技术已逐渐成为一种公认的应用较为 广泛的身份认证技术川。
２００１年以后，一些研究机构发布了公开的步态数 据库，其中有包含超过１００个对象的大型步态数据 库。主要步态数据库包括：ＣＭＵ ＭＯＢＯ步态数据库［５１、 ＣＡＳＩＡ步态数据库、ＵＳＦ步态数据库等。这些数据库 的建立为研究步态特征提取方法提供了较好的分析 依据，并且可以用以验证算法的有效性。总体上讲，样 本数量还是偏少，背景变化种类单一，因此也需要进 一步开发和开放更多的步态数据库资源。
在实现对步态特征的提取后，对选取特征的分类 是进一步识别的基础，针对不同的特征选取不同的分 类算法，目前已经应用到步态识别中的典型分类算法 包括Ｋ一近邻算法、支持向量机、隐马尔可夫模型、多 元判别分析和主分量分析等方法。通过这些方法实现
万方数据
·８ ·
天津工程师范学院学报
第２０卷
对步态特征的分类处理，从而实现对人体目标的生物 识别。 ２．４步态数据库的建立
人体步态雷达是一种全天候型的低成本多普勒 雷达。其通过检测人体走动产生的微变多普勒频率信 号实现检测步态的目的。图ｌ所示为步态雷达试验示 意图。
图２人体行走步态雷达回波信号
对信号ｓ（￡）的短时傅里叶变换可以定义为：
●＋∞
Ｆｓ（ｔ，ｔｏ；ｈ）＝Ｊ ｓ（配）＾术（“一￡）ｅ＿ｊ狐ｄｕ
（８）
Ｊ—ＯＤ
其中，ｈ为短时分析窗函数。在分析中，采用海宁窗函
人体行走过程中旋转手臂和腿产生人体移动，使 人体各部分相对雷达发生了距离变化，因此雷达照射 行走人体时，人体的躯干、手臂、腿的运动产生不同的 多普勒回波包含了由于运动变化率产生的微细多普 勒频率特征。这些微细多普勒频率特征反映了人体步 态特征。从多普勒回波中抽取对应人体步态的关键频 谱特征是实现对人体步态识别的关键。
用计算机的语言完整地描述稳定而又有区别的 步态特征也是实现步态识别的一个关键问题。对于步 态特征的提取和表达方法，目前还没有提出统一的分 类标准。当前常用的分类方法包括：基于整体模型的 方法；基于统计模型的方法；基于外观模型的方法；基 于运动模型的方法；基于轮廓图的方法。基于模型的 算法使用合适的模型表达人体结构，跟踪分析模型的 参数，从而进行识别１６】。这些方法和模型是和研究者所 采取的研究方法紧密相关的，还需要研究能够对于更 广泛样本的特征提取方法。 ２．３利用分类算法对特征进行分类
正常的步态是周期性的，当前可以提取的人体步 态特征主要包括人体行走周期、步长、手臂和腿部摆 动幅度、速度、腿部和手臂摆动状态等特征参数。
２基于视频图像的人体步态识别方法
一般认为，有文献记载的最早的自动步态识别的 研究是Ｎｉｙｏｇｉ等１４Ｉ提出的算法。该算法在获取的人体 行走图像中提取人体轮廓，将人的轮廓线平均得到骨 架，处理后得到线图模型。大腿和小腿的运动分别形 成两条曲线。根据脚部形成的特有的交织曲线检测和 跟踪人体运动。通过对少量样本的实验，达到了近 ８０％的识别率。虽然早期的这些步态识别研究使用的 样本数量较少，识别率相对不高，但是它们在一定程 度上证明了步态识别研究的可行性。近些年，基于视 频图像的步态识别的研究大量涌现，这些研究从不同 角度提取人体步态特征，并尝试利用各种分类算法提 高算法识别率。
近年来步态雷达越来越受到安全、军事等相关部门的 重视，而我国在这一领域的研究还未见报道。
步态雷达系统在采集了相关试验数据后，由于获 取的人体步态信号是时变频信号，采用常规傅里叶变 换进行处理因受到时变频信号的影响不能用于特征 提取，因此考虑采用时频分析的方法来分析信号的频 谱特征，从而提取人体行走步态特征。人体行走步态 雷达回波信号如图２所示。
３基于电磁波的人体步态识别方法
雷达向人体目标发射电磁波，电磁波与人体目标 相互作用产生反射回波，回波中产生的信号改变表征 了目标的一些信息。当目标相对雷达运动时，回波信 号的载频会发生偏移，称为多普勒效应。对于一个以 恒定速度移动的目标来说，它所产生的多普勒频移是 时不变的。如果目标或目标上的某些部分存在相对于 雷达方向的机械振动或者旋转，则回波信号的频率将 被变频调制。这种现象就称为微多普勒效应［７１。
在生物特征识别技术里，步态识别是一种新兴的
收稿日期：２０１０－１０－１３ 基金项目：天津市自然科学基金资助项目（０９ＪＣＹＢＪＣ２７３００）． 作者简介：张军（１９６５一），男。教授，硕士生导师，研究方向为遥感信息处理．
万方数据
第４期
张 军：人体步态特征生物识别方法研究
·７·
识别技术。一般的步态识别过程首先使用摄像机拍摄 行人的步态视频图像，然后从步态视频图像中提取出 特征，最后通过与特征数据库中的特征进行比较来进 行识别。最近的研究开展了利用电磁波和超声波照射 人体获取人体行走产生的回波并从中提取人体步态 特征实现步态识别。
Ｂｉｏｍｅｔｒｉｃｓ ｓｔｕｄｙ ｂａｓｅｄ ｏｎ ｈｕｍａｎ ｇａｉｔ ｆｅａｔｕｒｅ ＺＨＡＮＧ ＪＵＮ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｄｕｃａｔｉｏｎ，Ｔｉａｎｊｉｎ ３００２２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｈｕｍａｎ ｗａｌｋｉｎｇ ｇａｉｔ ａｒｅ ｉｍｐｏｒｔａｎｔ ｂｉｏｌｏｇｉｃａｌ ｆｅａｔｕｒｅｓ，ａｎｄ ｔｈｅｒｅ ａｒｅ ｍａｎｙ ａｄｖａｎｔａｇｅｓ ｆｏｒ ｂｉｏｌｏｇｉｃａｌ ｉ— ｄｅｎｔｉ匆ｉｎｇ ｂａｓｅｄ ｏｎ ｇａｉｔ ｆｅａｔｕｒｅｓ．Ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ａｎａｌｙｚｉｎｇ ｇａｉｔ ｆｅａｔｕｒｅｓ，ｔｈｅ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｖｉｄｅｏ ｉｍａｇｅ ａｃ－ ｑｕｉｒｅｍｅｎｔ，ｏｂｊｅｃｔ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｇａｉｔ ｆｅａｔｕｒｅｓ ｄｅｔｅｃｔｉｏｎ，ｃｌａｓｓｉｆｙｉｎｇ ａｎｄ ｉｄｅｎｔｉ匆ｉｎｇ ａｒｅ ｄｉｓｃｕｓｓｅｄ ｉｎ ｔｈｅ ｐａｐｅｒ ａｎｄ ｒａｄａｒ ｇａｉｔ ｓｉｇｎａｌ ａｎｄ ｆｅａｔｕｒｅｓ ａｒｅ ｓｔｕｄｉｅｄ ａｎｄ ｔｈｅ ｒｅｓｕｌｔ ｂｙ ｕｓｉｎｇ ｔｉｍｅ—ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ ｏｎ ｇａｉｔ ｓｉｇｎａｌ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｍａｉｎ ｄｉｆｆｉｃｕｌｔ ｐｏｉｎｔ ｉｎ ｃｕｒｒｅｎｔ ｒｅｓｅａｒｃｈ ｉｓ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅ ｎ晰ｍｕｌｔｉ ｓｅｎｓｏｒ ｄａｔａ ｆｕｓｉｏｎ ｍｅｔｈｏｄ
当前国内研究较多的是基于视频图像的人体步 态识别方法，一个完整的步态识别算法通常由三步组 成：提取步态轮廓图；从步态轮廓图中提取和表达特 征；利用分类算法分类特征。下面分别对这三步进行 概括性介绍。 ２．１步态视频获取与图像预处理
当前研究人体步态特征一般通过摄像机来获取， 在获取的视频图像序列中不仅包含人的行走图像，还 包含人体背景图像如道路、房屋、树木、车辆等多种背 景信息。背景常受到天气、光照、影子等干扰，而人体 的图像也受到噪声的影响，因而使得步态轮廓图像检 测难度增大，因此在从图像中提取人体步态特征之前 需要对图像进行预处理，增强人体图像的同时消除背 景干扰的影响。
为身份识别可以满足所有应用的需要。例如指纹识别 具有高可靠性，然而指纹的采集需要实际的物理接 触。人脸和虹膜识别不需要物理接触，但是需要在正 面拍摄图像，并需要较近的拍摄距离。因此应该根据 应用的具体要求选择某一种生物特征或是多种生物 特征综合应用。
ｂａｓｅｄ ｏｎ ｖｉｄｅｏ ａｎｄ ｒａｄａｒ ｉｓ ａｌｓｏ ｐｒｏｐｏｓｅｄ．Ｆｉｎａｌｌｙ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｇａｉｔ ｂｉｏｍｅｔｒｉｃｓ ｉｓ ｄｉｓｃｕｓｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ． Ｋｅｙ ｗｏｒｄｓ：ｇａｉｔ ｆｅａｔｕｒｅ；ｂｉｏｍｅｔｒｉｃｓ；ｔｉｍｅ－ｆｒｅｑｕｅｎｃｙ；ＳＴＦｒ；ｒａｄａｒ
第２０卷第４期 ２０１０年１２月
天津工程师范学院学报 ＪＯＵＲＮＡＬ ＯＦ ＴＩＡＮＪＩＮ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＥＤＵＣＡＴｌ０Ｎ
Ｖ０１．２０ Ｎｏ．４ Ｄｅｃ． ２０ｌＯ
人体步态特征生物识别方法研究
张军 （天津职业技术师范大学电子工程学院，天津３００２２２）
摘要：人体行走步态特征是一类重要的生物特征，基于步态特征实现生物识别的方法具有较多优势。在分析人体 行走步态特征的基础上，讨论了当前步态识别研究中采用的视频获取、目标提取、步态特征检测以及分类识别的主
常用的目标检测算法是运用变化检测算法从步 态视频图像中提取运动对象，如果视频中包含多个运 动对象，则需要在多个运动目标中提取感兴趣的人体 目标。这样提取出的运动对象还需要经过噪声和干扰 滤波，从而得到步态轮廓图和加强的人体图像，为进 一步特征提取处理打下基础。 ２．２从步态加强图中提取和表达特征
从前面的介绍中可知，人体步行结构有几百个参 数，从视频图像中获取如此多的特征是不可能的，因 而如何从视频序列的有限信息中提取出更多有效的 步态特征就成了目前研究的重点。步态特征的提取方 法有基于模型的方法、基于整体的方法等多种。选择 什么特征及如何表示这种特征，既关乎步态本身的特 点，又与具体的步态识别算法紧密联系１６１。
要技术，研究了基于雷达的步态信号提取方法并给出了实验步态信号时频分析结果；分析了当前研究中存在的主要 难点。提出了基于视频、雷达等多传感器数据融合提高步态识别能力的方法，讨论了步态识别的应用领域和前景。
关键词：步态特征：生物识别；时频分析；短时傅里叶变换；雷迭
源自文库
中图分类号：ＴＰｌ８３
文献标识码：Ａ
文章编号：１６７３—１０１８（２０１０）０４—０００６—０４
数，对雷达获取的人体步态信号进行处理，可以得到
如图３所示的时频分布图。图３中横轴代表时间，纵
轴代表频率，从时频分布图中可以看出，人体手臂与
腿部以及躯干运动速度的变化。
图３基于短时傅里叶变换的步态信号时频分析
圉
Ｉ．．．．．．．．．一
短时傅里叶变换存在分析时宽同定、时间分辨和 频率分辨的同有问题，影响了对人体手臂、腿部速度 变化过程的细致分析。因此，可以进一步考虑采用小 波变换和Ｈｉｌｂｅｒｔ—ｈｕａｎｇ变换等方法来提取特征。
人体步态识别作为一种新兴的生物行为特征识 别，受到越来越多研究者的关注。步态就是人行走的 姿态，它由每个时刻身体各部位的相对运动组成。步 态识别就是通过每个人独特的行走姿势识别出不同 的人的身份。步态特征较之人脸、指纹、虹膜等其他生 物特征，它具有在远距离接触或低质量视频的状态下 进行人身份鉴别等优点１２１。
１人体行走步态的基本特征
人体步态是指人行走时的姿势，是人在步行时所 表现出的状态的统称。它是人体生物机构、运动调节 系以行为及心理活动在行走时的外在表现。正常步态 是指健康人用自我感觉最自然、最舒适的姿势行进时 的步态…。
从生物力学观点来看，一个人的步态是几百个关 节和肌肉的合成运动。早期的医学研究表明，人体的 步态中有２４种不同的成分，人体行走运动是整个人 体肢体结构的函数。由于人体结构是人人不同的，所 以人们相信使用步态的几百个参数可以唯一地区分 一个人。早期研究者曾经作过这样的实验，找一些相 互熟知和未知的观测者和受试者，将一些发光点固定 在受试者的几个关节上，使得观测者在黑暗中只能看 到这些发光点而不能看到受试者行走的肢体。实验发 现观测者可以通过这些发光点的运动轨迹识别出行 走者的性别以及行走者是否是某个朋友。这些实验最 早提供了步态识别可行性的证据１２１。
生物特征识别技术是采用某种自动技术测量个 人独特的生理特征或行为特征，并将这些特征与采集 的数据库中的模板数据进行匹配的一项身份验证新 技术，是随着计算机图像处理和模式识别等学科的发 展而逐步形成的新兴学科。与证件和密码相比，由于 人的生理特征比较稳定，生物特征不容易被窃取、遗 忘或破解，所以通常基于生理特征的识别技术具有更 高的准确率，在身份识别上体现了独特的优势。现今 生物特征识别技术已逐渐成为一种公认的应用较为 广泛的身份认证技术川。
２００１年以后，一些研究机构发布了公开的步态数 据库，其中有包含超过１００个对象的大型步态数据 库。主要步态数据库包括：ＣＭＵ ＭＯＢＯ步态数据库［５１、 ＣＡＳＩＡ步态数据库、ＵＳＦ步态数据库等。这些数据库 的建立为研究步态特征提取方法提供了较好的分析 依据，并且可以用以验证算法的有效性。总体上讲，样 本数量还是偏少，背景变化种类单一，因此也需要进 一步开发和开放更多的步态数据库资源。
在实现对步态特征的提取后，对选取特征的分类 是进一步识别的基础，针对不同的特征选取不同的分 类算法，目前已经应用到步态识别中的典型分类算法 包括Ｋ一近邻算法、支持向量机、隐马尔可夫模型、多 元判别分析和主分量分析等方法。通过这些方法实现
万方数据
·８ ·
天津工程师范学院学报
第２０卷
对步态特征的分类处理，从而实现对人体目标的生物 识别。 ２．４步态数据库的建立
人体步态雷达是一种全天候型的低成本多普勒 雷达。其通过检测人体走动产生的微变多普勒频率信 号实现检测步态的目的。图ｌ所示为步态雷达试验示 意图。
图２人体行走步态雷达回波信号
对信号ｓ（￡）的短时傅里叶变换可以定义为：
●＋∞
Ｆｓ（ｔ，ｔｏ；ｈ）＝Ｊ ｓ（配）＾术（“一￡）ｅ＿ｊ狐ｄｕ
（８）
Ｊ—ＯＤ
其中，ｈ为短时分析窗函数。在分析中，采用海宁窗函
人体行走过程中旋转手臂和腿产生人体移动，使 人体各部分相对雷达发生了距离变化，因此雷达照射 行走人体时，人体的躯干、手臂、腿的运动产生不同的 多普勒回波包含了由于运动变化率产生的微细多普 勒频率特征。这些微细多普勒频率特征反映了人体步 态特征。从多普勒回波中抽取对应人体步态的关键频 谱特征是实现对人体步态识别的关键。
用计算机的语言完整地描述稳定而又有区别的 步态特征也是实现步态识别的一个关键问题。对于步 态特征的提取和表达方法，目前还没有提出统一的分 类标准。当前常用的分类方法包括：基于整体模型的 方法；基于统计模型的方法；基于外观模型的方法；基 于运动模型的方法；基于轮廓图的方法。基于模型的 算法使用合适的模型表达人体结构，跟踪分析模型的 参数，从而进行识别１６】。这些方法和模型是和研究者所 采取的研究方法紧密相关的，还需要研究能够对于更 广泛样本的特征提取方法。 ２．３利用分类算法对特征进行分类
正常的步态是周期性的，当前可以提取的人体步 态特征主要包括人体行走周期、步长、手臂和腿部摆 动幅度、速度、腿部和手臂摆动状态等特征参数。
２基于视频图像的人体步态识别方法
一般认为，有文献记载的最早的自动步态识别的 研究是Ｎｉｙｏｇｉ等１４Ｉ提出的算法。该算法在获取的人体 行走图像中提取人体轮廓，将人的轮廓线平均得到骨 架，处理后得到线图模型。大腿和小腿的运动分别形 成两条曲线。根据脚部形成的特有的交织曲线检测和 跟踪人体运动。通过对少量样本的实验，达到了近 ８０％的识别率。虽然早期的这些步态识别研究使用的 样本数量较少，识别率相对不高，但是它们在一定程 度上证明了步态识别研究的可行性。近些年，基于视 频图像的步态识别的研究大量涌现，这些研究从不同 角度提取人体步态特征，并尝试利用各种分类算法提 高算法识别率。
近年来步态雷达越来越受到安全、军事等相关部门的 重视，而我国在这一领域的研究还未见报道。
步态雷达系统在采集了相关试验数据后，由于获 取的人体步态信号是时变频信号，采用常规傅里叶变 换进行处理因受到时变频信号的影响不能用于特征 提取，因此考虑采用时频分析的方法来分析信号的频 谱特征，从而提取人体行走步态特征。人体行走步态 雷达回波信号如图２所示。
３基于电磁波的人体步态识别方法
雷达向人体目标发射电磁波，电磁波与人体目标 相互作用产生反射回波，回波中产生的信号改变表征 了目标的一些信息。当目标相对雷达运动时，回波信 号的载频会发生偏移，称为多普勒效应。对于一个以 恒定速度移动的目标来说，它所产生的多普勒频移是 时不变的。如果目标或目标上的某些部分存在相对于 雷达方向的机械振动或者旋转，则回波信号的频率将 被变频调制。这种现象就称为微多普勒效应［７１。
在生物特征识别技术里，步态识别是一种新兴的
收稿日期：２０１０－１０－１３ 基金项目：天津市自然科学基金资助项目（０９ＪＣＹＢＪＣ２７３００）． 作者简介：张军（１９６５一），男。教授，硕士生导师，研究方向为遥感信息处理．
万方数据
第４期
张 军：人体步态特征生物识别方法研究
·７·
识别技术。一般的步态识别过程首先使用摄像机拍摄 行人的步态视频图像，然后从步态视频图像中提取出 特征，最后通过与特征数据库中的特征进行比较来进 行识别。最近的研究开展了利用电磁波和超声波照射 人体获取人体行走产生的回波并从中提取人体步态 特征实现步态识别。
Ｂｉｏｍｅｔｒｉｃｓ ｓｔｕｄｙ ｂａｓｅｄ ｏｎ ｈｕｍａｎ ｇａｉｔ ｆｅａｔｕｒｅ ＺＨＡＮＧ ＪＵＮ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｄｕｃａｔｉｏｎ，Ｔｉａｎｊｉｎ ３００２２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｈｕｍａｎ ｗａｌｋｉｎｇ ｇａｉｔ ａｒｅ ｉｍｐｏｒｔａｎｔ ｂｉｏｌｏｇｉｃａｌ ｆｅａｔｕｒｅｓ，ａｎｄ ｔｈｅｒｅ ａｒｅ ｍａｎｙ ａｄｖａｎｔａｇｅｓ ｆｏｒ ｂｉｏｌｏｇｉｃａｌ ｉ— ｄｅｎｔｉ匆ｉｎｇ ｂａｓｅｄ ｏｎ ｇａｉｔ ｆｅａｔｕｒｅｓ．Ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ａｎａｌｙｚｉｎｇ ｇａｉｔ ｆｅａｔｕｒｅｓ，ｔｈｅ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｖｉｄｅｏ ｉｍａｇｅ ａｃ－ ｑｕｉｒｅｍｅｎｔ，ｏｂｊｅｃｔ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｇａｉｔ ｆｅａｔｕｒｅｓ ｄｅｔｅｃｔｉｏｎ，ｃｌａｓｓｉｆｙｉｎｇ ａｎｄ ｉｄｅｎｔｉ匆ｉｎｇ ａｒｅ ｄｉｓｃｕｓｓｅｄ ｉｎ ｔｈｅ ｐａｐｅｒ ａｎｄ ｒａｄａｒ ｇａｉｔ ｓｉｇｎａｌ ａｎｄ ｆｅａｔｕｒｅｓ ａｒｅ ｓｔｕｄｉｅｄ ａｎｄ ｔｈｅ ｒｅｓｕｌｔ ｂｙ ｕｓｉｎｇ ｔｉｍｅ—ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ ｏｎ ｇａｉｔ ｓｉｇｎａｌ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｍａｉｎ ｄｉｆｆｉｃｕｌｔ ｐｏｉｎｔ ｉｎ ｃｕｒｒｅｎｔ ｒｅｓｅａｒｃｈ ｉｓ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅ ｎ晰ｍｕｌｔｉ ｓｅｎｓｏｒ ｄａｔａ ｆｕｓｉｏｎ ｍｅｔｈｏｄ
当前国内研究较多的是基于视频图像的人体步 态识别方法，一个完整的步态识别算法通常由三步组 成：提取步态轮廓图；从步态轮廓图中提取和表达特 征；利用分类算法分类特征。下面分别对这三步进行 概括性介绍。 ２．１步态视频获取与图像预处理
当前研究人体步态特征一般通过摄像机来获取， 在获取的视频图像序列中不仅包含人的行走图像，还 包含人体背景图像如道路、房屋、树木、车辆等多种背 景信息。背景常受到天气、光照、影子等干扰，而人体 的图像也受到噪声的影响，因而使得步态轮廓图像检 测难度增大，因此在从图像中提取人体步态特征之前 需要对图像进行预处理，增强人体图像的同时消除背 景干扰的影响。