動(dòng)態(tài)部位特征的步態(tài)識(shí)別方法

　　生物特征識(shí)別作為一種身份認(rèn)證手段，在信息安全領(lǐng)域已得到了廣泛的應(yīng)用。步態(tài)作為一種新的生物特征，其由于具有非侵犯性、難偽裝性、且可在遠(yuǎn)距離非接觸和低分辨率的情況下進(jìn)行圖像捕獲等優(yōu)點(diǎn)，所以已成為計(jì)算自動(dòng)機(jī)識(shí)別中的一個(gè)研究熱點(diǎn)。為了提供一定規(guī)模的步態(tài)評(píng)估數(shù)據(jù)庫(kù)，中國(guó)科學(xué)院自動(dòng)化研究所創(chuàng)建了CASIA數(shù)據(jù)集步態(tài)數(shù)據(jù)庫(kù)，且該庫(kù)已得到了廣泛的認(rèn)可。其具有多種行走條件下的數(shù)據(jù)樣本，圖1所示為數(shù)據(jù)庫(kù)中同一個(gè)人的三種行走條件下（正常、穿大衣、背包）的步態(tài)圖例，其中點(diǎn)線為定標(biāo)塊。

　　步態(tài)識(shí)別的研究重點(diǎn)之一在于步態(tài)特征的提取，優(yōu)良的特征對(duì)于最后的識(shí)別結(jié)果起著至關(guān)重要的作用。步態(tài)特征主要分為兩個(gè)方面：整體特征和動(dòng)態(tài)局部特征。以行走時(shí)人體的輪廓來(lái)表征步態(tài)特點(diǎn)的方法主要有步態(tài)能量圖法使用Zemike矩、小波描述子提取特征的方法，并且也取得了一定的效果。但在行走人衣著飾物發(fā)生改變的情況下，以上算法的識(shí)別精度還有待提高。針對(duì)以上情況提出了基于動(dòng)態(tài)局部特征的步態(tài)識(shí)別，其可以很好地解決上述問(wèn)題。

　　本文提出了一種基于動(dòng)態(tài)部位特征的步態(tài)識(shí)別方法，其可通過(guò)構(gòu)造步態(tài)特征向量y來(lái)解決行走入衣著飾物發(fā)生改變情況下的步態(tài)識(shí)別。其系統(tǒng)框架如圖2所示。該方法首先通過(guò)預(yù)處理和目標(biāo)檢測(cè)得到運(yùn)動(dòng)目標(biāo)的黑白兩色二維輪廓；其次利用泊松方程得到在輪廓內(nèi)任一點(diǎn)到輪廓邊界的平均隨機(jī)行走時(shí)間，在此基礎(chǔ)上構(gòu)造閾值函數(shù)提取動(dòng)態(tài)部位（如頭、胳膊和腿）；然后統(tǒng)計(jì)其等角度間隔的扇形區(qū)域內(nèi)所有點(diǎn)的均值和方差，用其構(gòu)造動(dòng)態(tài)特征向量y；最后利用支持向量機(jī)（ Support Vector Machine，SVM）算法驗(yàn)證其有效性和魯棒性。