面向多人多生物属性的跨视角步态追踪系统

步态识别是一项新兴的生物识别技术, 可以被广泛地应用在刑事安防, 疫情传播链追踪等领域, 该项技术的本质在于通过人的人体体型和行走姿态来识别人的身份, 年龄, 性别等多种生物属性. 相比其他生物识别技术, 步态识别具有远距离, 全视角, 无感知, 防伪装等显著优势. 基于此, 本文设计了一款面向多人多生物属性的跨视角步态追踪系统, 该系统充分考虑了现实应用场景中存在的多人, 跨视角, 服饰变化等协变量对于步态识别准确率的影响, 并通过更加鲁棒的算法设计从复杂的环境中提取行人的步态信息从而对其身份, 年龄, 性别等生物属性进行准确的分析. 实验结果表明, 在跨视角和多种行走状态的情况下, 本系统中基于深度学习的步态识别算法模型的准确率可以达到88.0%, 在多视角的情况下, 性别分类准确率可以达到94.8%, 年龄估计的平均年龄误差约为7.92岁, 标准差约为8.11, 实验结果均优于近年来相关领域的算法, 达到相对领先的水平. 同时系统开发成本低, 面向落地应用场景, 并支持实时性步态检测.     

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.     

步态识别及其在智能视频监控中的应用

步态识别是一种新兴的生物特征识别技术，它是通过人们走路的姿态进行身份识别，与其它的生物特征识别技术相比，步态识别具有非接触、远距离和不容易伪装等优点，因而它比面像识别更适于智能视频监控系统。本文介绍步态识别的基本工作原理、软件算法、特点及与面像识别的比较、在智能视频监控中的应用及其发展等。[编者按]     

一种基于人体轮廓宽度特征的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。提出了一种新的基于人体轮廓宽度特征的步态识别方法,将视频序列中检测出的步态轮廓提取三种宽度特征并计算步态序列中宽度的变化特征,从而构成描述步态序列的特征向量。实验表明提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

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。     

远距离人体步态识别算法的研究

步态识别是一种新的生物特征识别技术，它旨在根据人们走路的姿势进行身份识别本文就远距离人体识别算法以及步态识别所涉及到的运动分割．特征提取，模式识别进行了研究，给出了实验图像。特别对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进行识别两种方法进行了比较和分析。     

远距离人体步态识别算法的研究

步态识别是一种新的生物特征识别技术,它旨在根据人们走路的姿势进行身份识别。本文就远距离人体识别算法以及步态识别所涉及到的运动分割,特征提取,模式识别进行了研究,给出了实验图像。特别对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进行识别两种方法进行了比较和分析。     

智能步态门禁系统实验平台的设计

为探索步态识别技术在实际中的应用.构建了基于步态图像特征进行身份识别的智能门禁系统硬件平台,且开发了相应的门禁系统软件.其技术流程为:首先从摄像机捕获视频输入计算机进行监控,发现后对人体进行检测与跟踪,分割人体轮廓并将其规格化叠加处理获取步态特征图,然后提取包含人体整体模型信息的边界矩参数,以此作为识别参量输入支持向量机(SVM)进行分类识别.为评价步态识别性能,分别对正确识别率(PCR)、错误接受率(FAR)和错误拒绝率(FRR)进行了测试,结果表明该实验平台能较好地时人体目标进行自动监控跟踪、提取步态特征且有效地进行分类识别.     

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.     

基于连续密度隐马尔可夫模型的人体步态识别*

人体步态识别作为一种远距离和非侵犯性的识别技术在视频监控等领域具有广泛的应用前景.基于此原因,文中提出基于连续密度隐马尔可夫模型(CD-HMM)的人体步态识别算法.首先,提出基于自然步态周期的特征提取算法,并在此基础上构造观测向量集.然后,使用从训练样本集中提取的步态向量集对CD-HMM进行参数估计.最后,提出基于Cox回归分析的渐进自适应算法对训练过的步态模型进行参数自适应和步态识别.实验表明,相比现有的其它步态识别算法,文中算法具有更高的识别率.     

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。     

基于多属性层次识别的车辆视频 检索系统设计研究

交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统（ITS） 的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控 视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆 检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。     

基于脸部和步态特征融合的身份识别

提出了一种将脸部和步态特征相结合,应用于智能监控系统进行远距离视频流中身份识别的新方法.该方法首先分别采用隐马尔可夫模型(HMM)和Fisherfaces方法进行步态和脸部的识别,之后将这两个分类器得到的结果进行匹配级的融合.对从不同方向采集的31个人的视频序列进行分析实验,结果表明将脸部和步态特征相结合进行身份识别具有很好的鲁棒性,其识别性能也优于只采用脸部或步态单一特征的识别方法.     

视频取证中加权聚类人脸识别方法

提出了一种基于特征加权聚类的视频人脸图像识别方法。该方法指定样本人脸图像特征点,通过增加特征点多方向窗口加权计算,使得中心特征点四周各点具有相异权重,利用加权聚类人脸识别方法检测限制搜索区域,最后根据每一个侯选区域的几何信息及人脸特征验证是否为指定人脸。实验结果表明,提出的算法实现简单、误检率低、检测速度快,适合实时视频监控取证系统应用。     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

面向智能监控的行为识别

目的 为了进一步提高智能监控场景下行为识别的准确率和时间效率,提出了一种基于YOLO（you only look once：unified,real-time object detection）并结合LSTM（long short-term memory）和CNN（convolutional neural network）的人体行为识别算法LC-YOLO（LSTM and CNN based on YOLO）。方法 利用YOLO目标检测的实时性,首先对监控视频中的特定行为进行即时检测,获取目标大小、位置等信息后进行深度特征提取;然后,去除图像中无关区域的噪声数据;最后,结合LSTM建模处理时间序列,对监控视频中的行为动作序列做出最终的行为判别。结果 在公开行为识别数据集KTH和MSR中的实验表明,各行为平均识别率达到了96.6%,平均识别速度达到215 ms,本文方法在智能监控的行为识别上具有较好效果。结论 提出了一种行为识别算法,实验结果表明算法有效提高了行为识别的实时性和准确率,在实时性要求较高和场景复杂的智能监控中有较好的适应性和广泛的应用前景。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于步态特征提取的ELM身份识别方法

利用步态信息进行身份识别是一种新兴的生物识别技术。相较于其他的生物识别技术,其具有不易伪装、可在远距离情况下进行身份识别的优点。现有模型的识别方法计算量大、模型难以准确建立;现有的分类方法普遍存在训练时间长、分类准确率不高的问题。针对以上问题,对步态视频进行分帧处理,将分帧后的图像进行运动目标检测、形态学处理和图像归一化预处理,生成步态能量图(GEI),提出了对GEI进行特征提取并采用超限学习机(ELM)进行分类的方法。测试结果表明,该方法在保证身份识别准确率的前提下,训练模型的速度有大幅提升。所提方法对利用步态信息进行身份识别有一定指导意义,特别对大规模图像分类问题的训练速度提升有较大启发。