基于步态的人体身份识别技术分析与研究

步态识别是利用人体步行的方式来区分人体身份.近年来,步态作为一种生物特征识别技术已引起了越来越多人们的兴趣.本文从步态识别技术的起源进行讨论,对国际上步态识别技术进行了研究,对主流的识别方法进行分析,对研究步态识别具有指导意义.     

基于惯性传感器的步态身份识别

基于步态的身份识别作为一种新的生物特征识别技术，以其非接触、无打扰、远距离、不易伪装等优点成为了生物特征识别技术领域的研究热点。此外，近年来，由于MEMS惯性传感器技术发展成熟及其在便携式设备中的广泛应用，基于惯性传感器的步态身份识别越来越受到科研人员的关注。文中收集整理了国内外有关惯性传感器步态身份识别的研究方法和现状，并对该领域的相关技术进行了回顾；根据识别过程处理的先后顺序，依次回顾了数据采集、数据预处理、数据分割、特征选择与组合、智能识别各个阶段的相关技术以及研究现状，并给出了目前主要的公共步态数据库，以方便感兴趣的读者进行实验分析。最后，在此基础上讨论了基于惯性传感器的步态身份识别的技术难点，并对未来发展方向进行了展望。     

步态识别问题的特点及研究现状

步态识别作为一种较新的生物认证技术有其独特优势,在计算机视觉研究领域又是一个难题.本文首先分析了步态识别问题的这两个特点.其次,按一个模式识别系统所涉及的4个问题域：传感器的选择、预处理技术、表达方法、决策模型为索引去分析步态识别问题.在表达方法一节中将文献中所反映的研究方法从计算机视觉的角度分为基于模型和基于整体的两大类,并对每类方法进行了举例说明,指出了所举出的方法的优缺点和其提取步态模式中的结构成分信息和运动特征信息时所采用的方法.再次,对步态识别算法性能评价标准和可得到的数据库进行了分析说明.最后得出了目前步态识别问题研究中的几个薄弱点,指出进一步研究此问题的发展空间.     

基于SVM的步态识别方法综述

步态识别是非接触式生物特征识别领域的前沿课题,通过对人体行走方式的识别以确定个体的身份,在智能视频监控领域有较高的研究价值.步态分类是步态识别过程中的重要任务和关键步骤.首先概述了步态识别过程及分类方法,然后重点对基于支持向量机的步态分类方法进行了综述,分析了基于该方法的最新研究进展,对每个具体研究方法的优缺点进行了对比.最后,指出目前步态识别在实际应用中存在的局限性,并对该领域发展方向进行了展望.     

步态识别研究进展

近年来步态识别技术已经成为生物特征识别领域一个新的研究热点。该技术是唯一可在远距离非接触状态下识别生物特征的技术,因此引起了各国学术科研机构的重视。对步态识别系统的一般处理过程进行了综述,重点分析和跟踪了步态特征提取技术的最新研究进展,讨论了各种方法中典型技术的优缺点和步态识别技术所面临的挑战,并概括介绍了常用的步态评测数据库和实验结果,最后展望了步态识别技术未来的发展方向和趋势。     

远距离人体步态识别算法

步态识别是一种新的生物特征识别技术，旨在根据人们走路的姿势进行身份识别。该文就远距离人体识别算法及步态识别所涉及的运动分割、特征提取、模式识别进行了研究，给出了实验图像，并比较和分析了基于模型的步态特征识别和基于人体行走的步态序列特征识别这2种方法。     

步态识别综述

简要回顾了步态识别技术的研究背景及发展历程。重点对近年来步态识别方法的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别方法进行了综述，并对步态识别中存在的问题与未来的研究方向进行了讨论。     

煤矿入井人员唯一性检测技术研究

通过分析掌纹、指纹、虹膜、人脸、步态、声纹等生物特征识别技术的特点以及煤矿现场对入井人员生物特征的影响,指出虹膜识别、人脸识别、步态识别、声纹识别适用于煤矿入井人员唯一性检测;提出了一种基于人员定位和生物特征识别的煤矿入井人员唯一性检测技术方案,将生物特征识别技术嵌入人员定位系统,利用人员定位识别卡实现识别卡数量及人员身份的唯一性检测;指出煤矿入井人员唯一性检测技术的研究关键点是严重污染人脸的识别算法、对设备遮挡情况下人员步态图像的采集及对混入人员语音信号的煤矿现场噪声消除算法。     

用侧影特征分析和识别人的异常步态

基于计算机视觉的步态分析是计算机视觉领域的研究热点。目前的研究大多集中在通过对正常步态的分析实现身份识别,而通过异常步态分析来识别人的异常状况方面的研究却很少。提出了一种简单有效的基于计算机视觉的异常步态识别方法,通过人的宽高比提取反应步态特征的特征向量,然后用支持向量机进行异常步态的识别。实验结果表明了该方法的有效性。     

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。     

结构化步态特征表征和快速步态识别方法

对于只有单一步态信息的特征数据库,在人数众多时,遍历识别算法识别时间长、识别率低。针对这个缺点,提出一种结构化步态特征表征和快速步态识别方法,将人的步态信息与身高、性别、年龄等一起构成结构化的步态特征,用不同传感器采集数据,不同的方法提取各个特征分量并独立加以利用。结构化的步态特征便于识别算法对步态识别问题进行分级处理,缩小识别范围。实验表明,文中方法不仅能够提高识别速度,而且能获得更高的识别率。     

多视角步态识别综述

步态识别作为生物特征识别中的一种，具有远距离、非接触和难以模仿等优点.其中视角或行走方向的变化使提取的人体轮廓产生巨大差异，是影响步态识别系统性能的最主要因素之一.本文首先介绍了现有的多角度步态数据库，然后根据特征提取方式的不同，将当前已提出的方法分为三维模型法、视角不变性特征法、映射投影法和深度神经网络法四类，并详细阐述了每一类的原理、特点以及优缺点.最后，结合实际应用指出当前研究的局限性与发展趋势.     

基于步态的人身份识别技术综述

由于不同的人在身体结构和运动行为方面存在广泛的不同性,步态为人的身份识别提供了独特的线索。对于近年来日益受到普遍重视的基于步态生物特征的人身份识别专题进行了较为详尽的综述,分析了目前所取得的主要成果及其特点,并指出了存在的难题和未来的发展趋势。     

视频下的正面人体身份自动识别

为了能够实现视频下正面人体身份的自动识别,设计的系统包括Adaboost行人检测、Adaboost人脸检测、肤色验证、步态预处理、周期检测、特征提取以及决策级融合识别等模块.通过行人检测模块可以自动开启人脸检测模块和步态周期检测模块.实验结果表明,提出的根据下臂摇摆区域确定步态周期的方法对正面步态周期检测准确,计算量小,适用于实时的步态识别.采用人脸特征辅助步态特征在决策级的融合方法是解决视频下身份识别的新思路,在单样本的步态识别中,融合人脸特征可以提高识别精度.     

Towards automated visual surveillance using gait for identity recognition and tracking across multiple non-intersecting cameras

Despite the fact that personal privacy has become a major concern, surveillance technology is now becoming ubiquitous in modern society. This is mainly due to the increasing number of crimes as well as the essential necessity to provide secure and safer environment. Recent research studies have confirmed now the possibility of recognizing people by the way they walk i.e. gait. The aim of this research study is to investigate the use of gait for people detection as well as identification across different cameras. We present a new approach for people tracking and identification between different non-intersecting un-calibrated stationary cameras based on gait analysis. A vision-based markerless extraction method is being deployed for the derivation of gait kinematics as well as anthropometric measurements in order to produce a gait signature. The novelty of our approach is motivated by the recent research in biometrics and forensic analysis using gait. The experimental results affirmed the robustness of our approach to successfully detect walking people as well as its potency to extract gait features for different camera viewpoints achieving an identity recognition rate of 73.6 % processed for 2270 video sequences. Furthermore, experimental results confirmed the potential of the proposed method for identity tracking in real surveillance systems to recognize walking individuals across different views with an average recognition rate of 92.5 % for cross-camera matching for two different non-overlapping views.     

一种新的基于区域特征的快速步态识别方法

步态是生物特征识别领域的一个新兴热点，它有以下3大优势：远距离识别、非侵犯性和难于隐藏。由于当前提出的大量步态特征提取算法要么过于复杂，要么识别率不高，难以满足自动步态识别的需要，因此，为了进行准确快速的步态识别，提出了一种新的基于区域特征的快速步态识别方法。该方法首先将检测出的2维人体侧影分为头部、躯干和腿部3个区域；然后分别提取每个区域的目标面积；最后将这些面积特征和人体的宽高比特征一起构成步态特征矢量用于训练和识别。此外，还改进了一种新的N—best分类器，该分类器在一定程度上提高了算法的识别率。实验结果表明，该新方法不仅简单快速，而且在UCSD和CMU数据集上分别得到了90％和98％左右的高识别率。     

Performance analysis for automated gait extraction and recognition in multi-camera surveillance

Many studies have confirmed that gait analysis can be used as a new biometrics. In this research, gait analysis is deployed for people identification in multi-camera surveillance scenarios. We present a new method for viewpoint independent markerless gait analysis that does not require camera calibration and works with a wide range of walking directions. These properties make the proposed method particularly suitable for gait identification in real surveillance scenarios where people and their behaviour need to be tracked across a set of cameras. Tests on 300 synthetic and real video sequences, with subjects walking freely along different walking directions, have been performed. Since the choice of the cameras’ characteristics is a key-point for the development of a smart surveillance system, the performance of the proposed approach is measured with respect to different video properties: spatial resolution, frame-rate, data compression and image quality. The obtained results show that markerless gait analysis can be achieved without any knowledge of camera’s position and subject’s pose. The extracted gait parameters allow recognition of people walking from different views with a mean recognition rate of 92.2% and confirm that gait can be effectively used for subjects’ identification in a multi-camera surveillance scenario.