基于数字图像处理的步态分析与身份识别文献综述
2020-04-29 06:04
1、目的及意义
1.1 研究目的及意义
在当今信息化时代，如何准确鉴定一个人的身份、保护信息安全，已成为一个必须解决的关键社会问题。传统的身份认证由于极易伪造和丢失，越来越难以满足社会的需求，目前最为便捷与安全的解决方案无疑就是生物识别技术。它不但简洁快速，而且利用它进行身份的认定，安全、可靠、准确。同时更易于配合电脑和安全、监控、管理系统整合，实现自动化管理。由于其广阔的应用前景、巨大的社会效益和经济效益，已引起各国的广泛关注和高度重视[1]。而目前生物特征识别广义指通过计算机利用指纹、虹膜、人体面部、DNA等人体固有的生理特征或者步态、按键习惯、特征动作等行为特征来进行个人身份的识别。
生物特征识别当中，步态识别具有可远距离感知，低分辨率识别，无需目标配合，非侵犯性等特点。因此，在计算机视觉和模式识别领域引起了国内外的广泛关注[2]。除了步态本身的特点，随着计算机处理器能力的提升，高速数据存储设备的出现，通过利用人体建模、运动跟踪等视觉技术使得步态识别成为一种新的可行的安全应用，非常具有研究价值和意义。
1.2 国内外研究现状
步态识别是目前非常新的一个研究方向，旨在通过人体的行走行为隐含的特征进行自动的个体的身份识别。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。
目前的研究环境下，主要步态识别的研究方法主要包括两方面：基于模型的方法[3-6]和基于非模型的方法[7-11]。基于模型的方法包含有建立椭圆模型，以数个椭圆匹配人体各部分动作获取特征参数[5]；应用SVM方法提取人体骨架特征，构建代表人体骨架的“火柴人模型”[6]；基于概率隐含语义分析的识别算法，直观表示运动特征[7]等。基于非模型的方法包含有加入速度矩作为特征[9]；核耦合度量学习方法[10]；利用步态序列的光流法[11]等。
{title}2. 研究的基本内容与方案
{title}|
2、研究（设计）的基本内容、目标、拟采用的技术方案及措施 2.1 研究的基本内容 本设计研究的主要内容为通过采用数字图像处理的方法，从步态识别的方向完成并验证对个人身份的匹配及识别。通过步态分析，与数据库内容自动匹配进而实现身份的识别。并在完成样本实现后，计算身份匹配的准确性，验证方案的可行性，分析和总结方案的各项数据和指标，分析采用方案的优劣之处并提出相应的改进意见。
2.2 研究目标 本设计旨在通过研究基于非模型方法进行步态分析与身份匹配的，以及设计步态识别算法，通过图像处理对于样本进行特征提取，与数据库样本比对，最终完成对个体身份的识别，并讨论方案的可行性，复杂度，达到步态识别的目的。
2.3 拟采用的技术方案及措施 步态识别主要针对含有人的运动图像序列进行分析处理，所涉及的关键技术包括[12]：
图2.3.1 而步态分析的阶段一般也分为三个阶段：特征提取、特征分析、自动识别分类[13]。本次设计主要流程如下图：
图2.3.2 首先，通过摄像镜头获取目标个体行走视频，通过分帧处理，得到相应的图像序列，对所得序列进行图像增强，去背景，降噪等操作，完成目标特征提取和选择，然后通过与数据库样本进行对比完成任务。 设计中主要采用隐马尔可夫模型（HMM）。从一个姿态到另一个姿态，存在着一个马尔科夫依赖，步态的循环就可以视作为一个双随机过程[14]。这样的双随机过程中隐含过程通过姿势的变换来表示，通过分帧得到各类特定姿势的图像序列。结合模式识别，采用模板匹配的方法[15]，从已有的数据库中获取原始步态图像序列，自动进行比对，完成识别与匹配的工作，最后输出结果，判定是否成功识别身份。
|
4、参考文献
[1] 景英娟,董育宁.生物特征识别技术综述[J].桂林电子工业学院学报,2005(02):27-32.
[2] Liu L F，Jia W，Zhu Y H. Survey of gait recognition[J]． Lecture Notes in Computer Science，2009,5755: 652－659．
[3] 王向前，张月芬．四维时空兴趣点提取结合多流形判别分析的人体动作识别[J]．湘潭大学自然科学学报，2016,38(1):111-114.
[4] 施登科. 基于人体几何特征的步态识别算法研究及应用平台设计[D].浙江大学,2017.
[5] L.Lee.Gait analysis for recognition and classification [C]//Proceedings of the
IEEE International Conference on Automatic Face and Gesture Recognition．2002.
[6] 王宇飞. 基于Kinect骨骼关节信息的视角不变步态识别方法[D].山东大学,2017.
[7] 邹修明,孙怀江,杨赛.基于概率隐含语义分析模型的人脸识别算法[J].南京理工大学学报,2016,40(05):594-598.
[8] 李一波,卑珊珊,刘婉竹,刘金英.基于行走时脚摆角的步态识别方法[J].计算机工程,2012,38(14):132-134.
[9] J.Shutler,M.Nixon. Statistical gait recognition via temporal moments [C]// Proceedings of IEEE Southwest Symposium on Image Analysis and Interpretation．2000.
[10]王科俊,阎涛.核耦合度量学习方法及其在步态识别中的应用[J].模式识别与人工智能,2013,26(02):169-175.
[11]罗正平,刘延钧,杨天奇.光流分量分解的步态识别[J].计算机科学,2016,43(09):295-300.
[12]田光见, 赵荣椿. 步态识别综述[J]. 计算机应用研究, 2005, 22(5):20-22.
[13]叶波, 文玉梅. 基于步态的人身份识别技术综述[J]. 计算机应用, 2005, 25(11):2577-2580.
[14]程汝珍. 步态识别方法的分类及各类方法的比较[J]. 2007.
[15]张元元,姜树明,魏志强,张建峰,许世杰.基于步态的身份识别研究综述[J].山东科学,2012,25(03):113-118.
1．目的及意义1、目的及意义
1.1 研究目的及意义
在当今信息化时代，如何准确鉴定一个人的身份、保护信息安全，已成为一个必须解决的关键社会问题。传统的身份认证由于极易伪造和丢失，越来越难以满足社会的需求，目前最为便捷与安全的解决方案无疑就是生物识别技术。它不但简洁快速，而且利用它进行身份的认定，安全、可靠、准确。同时更易于配合电脑和安全、监控、管理系统整合，实现自动化管理。由于其广阔的应用前景、巨大的社会效益和经济效益，已引起各国的广泛关注和高度重视[1]。而目前生物特征识别广义指通过计算机利用指纹、虹膜、人体面部、DNA等人体固有的生理特征或者步态、按键习惯、特征动作等行为特征来进行个人身份的识别。
生物特征识别当中，步态识别具有可远距离感知，低分辨率识别，无需目标配合，非侵犯性等特点。因此，在计算机视觉和模式识别领域引起了国内外的广泛关注[2]。除了步态本身的特点，随着计算机处理器能力的提升，高速数据存储设备的出现，通过利用人体建模、运动跟踪等视觉技术使得步态识别成为一种新的可行的安全应用，非常具有研究价值和意义。
1.2 国内外研究现状
步态识别是目前非常新的一个研究方向，旨在通过人体的行走行为隐含的特征进行自动的个体的身份识别。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。
目前的研究环境下，主要步态识别的研究方法主要包括两方面：基于模型的方法[3-6]和基于非模型的方法[7-11]。基于模型的方法包含有建立椭圆模型，以数个椭圆匹配人体各部分动作获取特征参数[5]；应用SVM方法提取人体骨架特征，构建代表人体骨架的“火柴人模型”[6]；基于概率隐含语义分析的识别算法，直观表示运动特征[7]等。基于非模型的方法包含有加入速度矩作为特征[9]；核耦合度量学习方法[10]；利用步态序列的光流法[11]等。
