生物识别与安全技术研究中心
网站首页| 新闻报道| 团队组成| 重点项目| 研究领域| 标准制定| 技术展示| 数据共享| 合作伙伴| 联系我们      EngLish
站内搜索:        
 
步态识别

  步态识别是生物特征识别技术的一个新兴子领域。生物特征识别是传统的模式识别问题,它是利用人的生理或行为特征进行人的身份识别。脸像、指纹、虹膜等第一代生物特征,通常要求近距离的或者接触性的感知(如指纹需要接触指纹扫描仪、脸像需要近距离的捕捉以提供足够的分辨率等)。在远距离的情况下,那样的生物特征将不可能被使用。此时,人的步态仍是可见的,且它可在被观察者没有觉察的情况下从任意角度进行非接触性的感知和度量。因此,从视觉监控的观点来看,步态是远距离情况下最有潜力的生物特征,从而引起了广大研究者们的浓厚兴趣(参见下面关于论文的年发表量统计图)。例如美国国防高级研究项目署DARPA在2000年资助的HID(Human Identification at a Distance)计划,它的任务就是开发多模式的、大范围的视觉监控技术以实现远距离情况下人的检测、分类和识别,从而增强国防、民用等场合免受恐怖袭击的自动保护能力。

  步态识别是一个相当新的发展方向,它旨在从相同的行走行为中寻找和提取个体之间的变化特征,以实现自动的身份识别。安全监控场合中自动步态识别系统的一般框架如下图所示,它是融合计算机视觉、模式识别与视频/图像序列处理的一门技术。

  围绕这个主题,我们开展了如下几方面的研究工作:

  1. 由于步态识别刚刚起步,目前国际上没有一个通用的评估数据库。为了便于实验,我们创建了NLPR数据库,该数据库包含20人,3个视角,6个行走方向,总计240个序列。已向国内外同行共享。

  2. 基于"从行走运动的时空模式中可学习人体的外观模型"的观点,提出了一种基于统计形状分析的步态识别算法。对于每个序列而言,背景减除过程用来提取行人的运动轮廓;这些轮廓随时间的姿态变化在二维空间中被对应描述为一个序列的复数配置(Complex Configuration);利用Procrustes形状分析方法从该序列配置中获取主轮廓模型作为人体的静态外观特征。实验结果表明该算法获得了令人鼓舞的识别性能。

  3. 基于"人体行走运动很大程度上依赖于轮廓随着时间的形状变化"的直观想法,提出了一种基于时空轮廓分析的步态识别算法。对于每个序列而言,背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓;这些时变的二维轮廓形状被转换为对应的一维距离信号,同时通过特征空间变换来提取低维步态特征;基于时空相关或归一化欧氏距离度量,标准的模式分类技术用于最终的识别。实验结果表明该算法不仅获得了令人满意的识别性能,而且拥有相对较低的计算代价。

  4. 基于"行走运动的关节角度变化包含着丰富的个体识别信息"的思想,提出了一种基于模型的步态识别算法。首先,结合人体模型、运动模型和运动约束等先验知识,利用Condensation算法进行行人的跟踪。然后,从跟踪结果中获取人体主要关节的角度变化轨迹。这些轨迹经过结构和时间归一化后作为动态特征用于身份识别。

  5. 基于"人体生物特征不仅包含静态外观信息,也包含行走运动的动态信息"的思想,提出了一种判决级上融合人体静态和动态特征的身份识别方法。在不同融合规则下的实验结果表明:融合后的识别性能均优于使用任何单一模态下的识别性能。

   生物特征识别
     人脸识别
     虹膜识别
     指纹识别
     掌纹识别
     步态识别
     笔迹识别
     多生物特征融合
   智能视频监控
   信息安全
 
 生物识别与安全技术研究中心 版权所有
地址:北京市海淀区中关村东路95号智能化大厦