[发明专利]采用单目视觉的三维重建来进行步态识别的方法

说明书

技术领域：本发明涉及单视角条件下步态识别方法，尤其是身份识别中基于单摄像机即单目视觉的利用三维重建人体步行轨迹来进行步态识别的方法。 

背景技术：步态识别是远距离身份识别技术一个新兴子领域，它是根据人走路的姿态、方式等行为特征来实现个体的身份识别。步态识别与以往基于生物特征的识别技术比较，具有远距离识别、非侵犯、不易隐藏、对图像(视频)质量要求低等优点。在某些特定的场合中，无法通过交互性接触采集到人脸、指纹和虹膜等生理特征，而步态特征可以实现远距离的非接触性的采集，因此步态特征在这类特定场合下成为了唯一可以用于身份识别的生物特征。 

目前，步态识别技术广泛应用于社会安防和反恐维稳等领域，将视频处理技术与步态识别技术结合，智能分析公众场合下的监控视频，自动识别出隐藏于人群中的危险人物，并发出警报，实现有效预防意外事件的发生。2000年，美国国防部高级研究计划局DARPA(Defense Advanced Research Project Agency)资助的HID(Human Identification at a Distance)研究计划，集合了包括麻省理工学院等26家高校和科研机构，进行远距离情况下行为人的检测和识别的研究。它的任务就是开发多模态的、大范围的视觉检测技术，以实现对人体的检测、分类和识别，这一计划的实施有力的推动了远距离生物特征识别技术的研究和发展。 

目前用于步态识别的特征参数主要有两类：基于二维图像平面的步态特征参数和基于三维立体空间的步态特征参数。这两类步态特征在用于步态识别过程中表现出来的优势和问题都十分明显。基于人体序列轮廓图像提取步态特征参数是二维步态特征提取的代表性方法，Wagg等在2004年第15期《Computer Animation and Virtual Worlds》发表的“Automated Marker less Extraction of Walking People Using Deformable Contour Models”一文中提出了二维步态识别的四个步骤： 

第一步，按照固定角度放置摄像头，对人体行走过程的视频进行采集； 

第二步，对采集到的视频进行初始化和预处理，得到一系列二维的包含人体步态信息的图像序列； 

第三步，去除序列中每帧二维图像中的背景，得到序列人体轮廓。将序列人体图像叠 加在一帧图像中，借助于运动补偿时变累积算法，建立了轴向旋转运动及垂直震荡运动模型，结合线性霍夫变换求出胯部、膝盖及脚踝处的平均宽度的特征集。 

第四步，对得到特征集进行分类识别，确定身份信息。 

基于二维图像提取步态特征参数，算法实现相对简单，执行效率较高。但是，基于二维图像的步态特征参数受监控摄像头视角影响很大，这类步态特征参数会随着视角的变化而变化，严重影响身份识别的准确率。 

对于预先设定好的世界坐标系，三维场景空间是唯一确定的，且三维场景下提的步态特征参数具有很好的视角鲁棒性，消除了视角对步态识别精度的影响，减少提取的步态特征的误差，所以三维步态识别能够取得较高的准确率。目前，人体运动三维重建研究多采用多目相机捕获步态数据，通过三维重建获得的人体运动特征。明东等在申请号为200910068882.4的专利“基于人体运动结构正投影三维重建的步态识别方法”提出在Wagg的步骤三中进行人体步态的三维重建，在十一个固定摄像头的条件下进行步态识别。人体运动的三维重建是三维空间步态特征提取过程中的关键步骤之一，文章将不同摄像头采集的图像提取人体轮廓后进行三维投影，从而利用图像序列得到人体轮廓运动三维轨迹，提取三维轨迹特征值进行身份识别。但是，此方法对环境的要求较为苛刻，在现实环境中往往都是利用单摄像头实现对公共环境的监控，很难实现多摄像头对同一场景的采集，因此常规基于双目或多目视觉的步态识别方法不适用于监控场景内人体运动的三维重建，因此不适于公共场所的步态识别。