[发明专利]一种对行走状态变化具有鲁棒性的步态识别方法

说明书

技术领域

本发明属于模式识别、机器学习领域，具体地说是一种对行走状态变化具有鲁棒性的步态识别方法。

背景技术

“9·11”的悲剧事件引起了全世界对增强国防、恐怖袭击安全以及恐怖袭击之后的自动防护能力的格外重视。生物特征识别技术已被成功地应用在身份确认、门禁系统中，还有可能被应用在机场以及其他的安全敏感场所的恐怖分子的确认上。美国国防高级研究项目署在2000年资助的HID(human identification at a distance)研究项目，就是开发并提高当前远距离下大规模身份识别系统的性能，以具有高可靠性、鲁棒性的身份识别能力。2003年，世界民航组织公布了护照中加入生物特征信息便于进入其他国家边境时确认个体身份的应用规划，这一规划已经在美国、欧盟、南非、日本、澳大利亚、韩国等国家投入运行。生物特征身份证在不久的将来会深入到人们的社会生活中，例如，好多款笔记本都需要人脸识别、指纹识别认证，自动提款机也可以通过生物特征来确认身份。现有的生物特征包括生理特征和行为特征。生理特征包括人脸、指纹、静脉(手指静脉、手背静脉)、虹膜、人耳、手形、掌纹、视网膜、唇形、DNA、体味等；行为特征包括步态、语音、击键、签名笔迹等，这些特征都具有可采集性、普遍性、唯一性和稳定性。步态识别是远距离下唯一可用的生物特征识别技术，它具有低分辨率、受环境影响小、易采集等优点，而且是在个体没有觉察的情况下采集到身份信息的，个体行走姿势也不易模仿和伪装，这些都使得步态识别越来越受到研究人员的关注。

鞋子、背包、衣着变化、受伤、年龄、行走速度、拍摄视角变化等联合因素是严重影响步态识别的，Bouchrika等人^[1]分析了这些因素单独影响识别性能的程度。贲晛烨等人^[2]提出一种线性插值方法对速度不等的步态识别具有鲁棒性。Enokida等人^[3]提出3种预测模型用于将鞋的影响从时间和鞋的共同影响中分离出来，使用正常鞋步态来估计拖鞋步态的预测模型，结果使得带预测的一段时间以后的拖鞋步态比不带预测模型的具有更好的识别性能。Lee等人^[4]通过双线性模型解决步速变化的步态识别。彭彰等人^[5]利用脚间距的计算方法和动态身体分割方法，用曲线拟合方法得到场景的转换参数，将头的高度、躯干的高度、两腿的长度(取最大值为h_l)、人的图像高度H_I和一个周期内的脚间距之和这5个参数估算出各部分的实际参数，实现了与视角无关的步态识别算法。解决视角变化的步态识别的方法还有三维步态识别^[6]、全景摄像机方法^[7]。解决衣着变化的步态识别问题可以采用模型法，如：腿部的钟摆模型^[8]、骨架模型^[9]、恢复静态身体参数模型^[10]、椭圆模型^[11]、5棒模型^[12]和三维模型^[13]。模型法受外界干扰小、特征短、能够描述身体各部位的变化情况，在建模准确时，识别效果好，但是，建模复杂程度大，匹配过程复杂。本专利从机器学习角度来解决行走状态变化（衣着变化、背包）的步态识别问题，大大降低了计算复杂度。

与本发明相关的公开报道包括：

[1]Imed Bouchrika,Mark S Nixion.Exploratory factor analysis of gait recognition.Proc.of the8th IEEE International Conference on Automatic Face and Gesture Recognition.2008:1-6P

[2]王科俊，贲晛烨.基于线性插值的步态识别算法，华中科技大学学报(自然科学版)，2010,38(2):41-44页。

[3]Enokida Shuichi,Shimomoto Ryo,Wada Tomohito,et al.A Predictive Model for Gait Recognition.Proc.of2006Biometrics Symposium:Special Session on Research at the Biometric Consortium Conference.2006:1-6P。