張 帥 曾 瑩

（湖南農(nóng)業(yè)大學 東方科技學院，湖南 長沙410128）

0 引言

生物特征識別技術是根據(jù)每個人獨有的、可以采樣檢測的生理特征或行為特征進行身份識別的技術。第一代生物特征識別技術主要利用人的指紋、臉像等特征進行識別，這通常要求上體近距離或接觸性的協(xié)作感知，在遠距離的情況下，這些特征不可能被利用。

由于個體之間身體結構和運動行為上的基本特性不同，步態(tài)運動為人的識別提供了獨特的線索。步態(tài)具有非接觸性、難以隱藏或偽裝、易于捕捉等特點，且不受距離影響。 除了步態(tài)本身的特點，PC 處理器能力的提升，高速數(shù)據(jù)存儲設備的出現(xiàn)，人體建模、運動跟蹤等計算機視覺處理技術的提高等因素使得步態(tài)識別技術成為一種新的可行的安全應用，極具研究意義與研究價值。

近幾年來步態(tài)勢識別技術引起了世界各國學術科研機構的廣泛的關注。 美國國防高級研究所項目署資助的重大項目——HID（Human Identification a Distance）計劃開展的多模態(tài)視覺監(jiān)控技術以實現(xiàn)遠距離情況下的人的檢測、分類和識別。

1 步態(tài)識別過程

步態(tài)識別旨在根據(jù)人行走時的姿勢來進行人的身份認證。步態(tài)識別過程可以劃分為步態(tài)檢測、步態(tài)特征提取、步態(tài)分類與識別三個階段。

1.1 步態(tài)檢測

步態(tài)檢測是從人行走的視頻序列中提取步態(tài)輪廓區(qū)域，這方面的工作包括背景建模、前景檢測和形態(tài)學后處理等。 步態(tài)輪廓的有效分割對于特征提取、分類識別等后期處理非常重要，因為后續(xù)處理過程僅考慮圖像中輪廓區(qū)域的像素。 常用的步態(tài)檢測方法有背景減除法、時間差分法、光流法等。

1.2 步態(tài)特征提取

步態(tài)特征主要分為兩大類：人體結構特征和運動行為特征。 前者反映了人體的幾何特性，如身高和體形；后者主要指行走時的肢體運動參數(shù)的變化。步態(tài)特征提取的方法主要有基于模型的方法和基于非模型的方法。

1.2.1 基于模型的方法

基于模型的方法是將人體結構或人體運動建模后，利用二維圖像序列數(shù)據(jù)與模型數(shù)據(jù)進行匹配以獲取特征參數(shù)。人的步行存在著攜帶背包、雨傘等足以改變外形、掩蓋部分身體的現(xiàn)象，在很多運動場合還存在身體自我遮擋現(xiàn)象， 基于模型的方法能夠成功解決遮擋問題，原因在于模型是依賴于圖像序列中人的運動模式而建立，能夠反映當前的變化，還能對過去和將來的變化進行估算。 常用的模型主要有：Lee構建的橢圓模型，即用橢圓來匹配運動人體的二值化側影的不同身體部位，以橢圓的質心、離心率等參數(shù)反映人體步態(tài)特征參數(shù)[1]；Cunado建立的鐘擺模型，將大腿建模為鏈接的鐘擺，并從其傾斜角度信號的頻率分量中獲取步態(tài)特征[2]；Yoo 建立的骨架圖模型，即用直線近似在關節(jié)點處所連接的骨骼來表達人體[3]。

1.2.2 基于非模型的方法

非模型的方法是通過對位置、速度、形狀等相關特征的預測或估計來建立相鄰幀間的關系。 例如，Little 等[4]利用步態(tài)序列圖像的光流頻率和相位作為特征；Kale 等[5]提取人體輪廓圖像的寬度向量作為特征；Shutler[6]等引入速度矩作為特征；王亮等[7]提取輪廓點到人體質心的距離向量作為步態(tài)特征。

1.2.3 步態(tài)分類與識別

步態(tài)的分類識別過程，即采用適當?shù)姆椒▽⒋R別的步態(tài)與步態(tài)數(shù)據(jù)庫中的步態(tài)模式進行匹配，通過一定的判別依據(jù)決策它所屬的類別。 考慮到步態(tài)的運動特性，對其分類識別也需要采用基于動態(tài)系統(tǒng)的識別方法。

2 結論

美國“9.11”事件之后，國際社會反恐形勢更為嚴峻，加強重點場所的安全監(jiān)測，提高身份識別能力，是反恐必不可少的措施。步態(tài)可在被觀察者沒有察覺的情況下進行非接觸性的感知和度量，具有較好的非侵犯性。因此，從視覺監(jiān)控的角度來看，步態(tài)識別是非常具有潛力的生物特征識別技術。當前文獻報道的各種步態(tài)識別方法大多數(shù)是在一定實驗假設條件下進行測試的，還沒有應用到實際生活中。 實際監(jiān)控場景往往很復雜，可能存在多個運動物體，背景圖像受天氣、光照等外界因素的影響變化較大。 以日照條件下運動目標的影子為例，它可能與被檢測的目標相連，也可能與目標分離。 前者，影子扭曲了目標形狀，使基于輪廓的步態(tài)識別方法不再可靠；后者，影子可能被誤認為場景中一個錯誤的目標。 因此，實現(xiàn)實際場景下的步態(tài)檢測仍然是一個挑戰(zhàn)。

［1］L.Lee.Gait analysis for recognition and classification [C]//Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition.2002.

［2］D.Cunado, M.Nixon, J.Carter. Using gait as a biometric, via phase-weighter magnitude spectra [C]// Proceedings of International Conference on Audio and Video-based Biometric Person Authenticetion.1997.

［3］Yoo Jang-hee,Nixon M S, Harris C J.Extracting Human Gait Signatures by Body Segment Properties [C]//Proceeding of Proc IEEE Southwest Symposium on Image Analysis and Interpretation.2002.

［4］J.Little,J. Boyd.Recognizingm people by their gait: the shape of motion[J].Jouranl of Computer Vision Research,1998(2):2-32.

［5］Kale A, Rajagopalan A,Cuntoor N.Gait based recognition of humans using continuous hmms [C]// Proceedings of IEEE International Conference on Automatic Face and Gesture Recognition.2002.

［6］J.Shutler,M.Nixon. Statistical gait recognition via temporal moments [C]//Proceedings of IEEE Southwest Symposium on Image Analysis and Interpretation.2000.

［7］王亮,胡為明,譚鐵牛.基于步態(tài)的身份識別[J].計算機學報,2003,26(3)：1-7.