基于动态部位特征的步态识别方法

【前言】基于动态部位特征的步态识别方法由文秘帮小编整理而成，但愿对你的学习工作带来帮助。CHE Lin-lin*， KONG Ying-hui School of Electrical and Electronic Engineering，North China Electric Power University，Baoding Hebei 071003，China Abstract： Considering clothes and accouterments， gait recognition method based on dynamic feature was...

摘 要：为了在衣着饰物变化条件下进行步态识别，提出了一种基于动态部位特征的步态识别方法。首先，采用泊松方程给步态轮廓内的每个点赋值，并构造合适的阈值函数来提取步态序列的动态部位特征；然后，统计其等角度间隔的扇形区域内的均值和方差，用其构造动态特征向量；最后，利用支持向量机算法在行走人衣着饰物发生变化的条件下进行步态分类。通过在CASIA大规模步态数据库上的实验，验证了该方法的有效性和鲁棒性。

关键词：步态识别；泊松方程；动态特征；支持向量机

中图分类号：TP391.4

文献标志码：A

Gait recognition method based on dynamic feature

CHE Lin-lin*， KONG Ying-hui

School of Electrical and Electronic Engineering，North China Electric Power University，Baoding Hebei 071003，China

Abstract：

Considering clothes and accouterments， gait recognition method based on dynamic feature was proposed in this paper. Firstly， a value could be got by solving the Poisson equation in the gait shape area and a threshold function was constructed for dynamic feature of gait sequence. Secondly， the angle interval mean and variance of all values of the gait silhouette images in a sector region were computed. And the dynamic feature vector was constructed by them. Finally， Support Vector Machine （SVM） was used to classify the gait sequences with clothes and accouterments. The experimental results show the effectiveness of the proposed method in the CASIA gait database.

英文关键词　Key words：

gait recognition； Poisson equation； dynamic feature； Support Vector Machine （SVM）

0 引言

生物特征识别作为一种身份认证手段，在信息安全领域已得到了广泛的应用。步态作为一种新的生物特征，其由于具有非侵犯性、难伪装性、且可在远距离非接触和低分辨率的情况下进行图像捕获等优点，所以已成为计算自动机识别中的一个研究热点[1-2]。为了提供一定规模的步态评估数据库，中国科学院自动化研究所创建了CASIA数据集步态数据库[3]，且该库已得到了广泛的认可。其具有多种行走条件下的数据样本，图1所示为数据库中同一个人的三种行走条件下（正常、穿大衣、背包）的步态图例，其中点线为定标块。

步态识别的研究重点之一在于步态特征的提取，优良的特征对于最后的识别结果起着至关重要的作用。步态特征主要分为两个方面：整体特征和动态局部特征。以行走时人体的轮廓来表征步态特点的方法[4-5]主要有步态能量图法[6]、使用Zernike矩[7]、小波描述子[8]提取特征的方法，并且也取得了一定的效果。但在行走人衣着饰物发生改变的情况下，以上算法的识别精度还有待提高。针对以上情况提出了基于动态局部特征的步态识别，其可以很好地解决上述问题[9]。

本文提出了一种基于动态部位特征的步态识别方法，其可通过构造步态特征向量V来解决行走人衣着饰物发生改变情况下的步态识别。其系统框架如图2所示。该方法首先通过预处理和目标检测得到运动目标的黑白两色二维轮廓；其次利用泊松方程得到在轮廓内任一点到轮廓边界的平均随机行走时间，在此基础上构造阈值函数提取动态部位（如头、胳膊和腿）；然后统计其等角度间隔的扇形区域内所有点的均值和方差，用其构造动态特征向量V；最后利用支持向量机（Support Vector Machine，SVM）算法验证其有效性和鲁棒性。