[发明专利]一种基于步态数据的身份识别方法

说明书

本发明提供一种基于步态数据的身份识别方法，其包括如下步骤：首先提取训练样本和待识别样本的步态轮廓曲线，然后利用逐行扫描法对步态轮廓曲线进行处理，得到高维步态特征矩阵，再利用改进的光滑自编码器对高维步态特征矩阵集进行降维，最后利用最近邻算法判断待识别样本与训练样本中的哪一类最接近。本发明提供的步态识别方法采用了一种新的步态特征，并利用改进的光滑自编码器和最近邻理论进行特征降维和相似度判断，能够充分利用二维步态图像中的结构信息来刻画不同人的步态差异，从而提高基于步态信息的身份识别正确率。

技术领域

本发明属于模式识别中的身份识别与认证技术领域，具体是一种基于步态数据的身份识别方法。

背景技术

随着计算机科学的普及和互联网技术的发展，用户识别在人们的生活与工作中的重要性日益提高。用户识别能够有效地保障访问的安全性，是信息安全和互联网应用的基础。传统的用户识别方法有密码识别以及智能卡等技术，然而由于其固有的局限性已经远远不能满足要求。密码容易被遗忘，而智能卡等物品可能丢失，一旦它们遗失或者被盗取，其代表的身份就容易被他人冒充。

基于生物特征的身份识别技术是身份识别领域的重要研究内容。生物特征又分为生理特征(如人脸、指纹、虹膜和掌纹等)与行为特征(如签名、步态等)。典型的基于生理特征的识别方法有指纹识别、人脸识别和虹膜识别等。指纹识别具有技术成熟，成本低廉等优点，是目前应用最广泛的生物特征识别技术。其缺点是必须物理性接触，因此具有侵犯性和卫生安全方面的不足。人脸识别是非接触式的被动识别方式，通常无需被识别人员的刻意配合；但缺点是容易受到光照、拍摄视角和表情等因素的影响，降低了识别正确率。虹膜特征识别的安全度和精准度非常高，但是特征采集过程比较复杂，难以广泛应用。

基于行为特征的身份识别技术，常见的有签名识别与步态识别。签名笔迹等容易被模仿，防欺骗性差。近年来，出现了基于特制的笔的签名识别方法，但是这类识别方法都需要借助额外的设备，需要用户配合穿戴使用，便捷性不足。步态识别是智能视频监控等领域中最具潜力的生物特征识别技术之一，它能够在远距离和视频分辨率较低的情况下根据行人步态实现身份识别。步态识别的基本步骤通常包括：第一、通过目标跟踪与检测从步态视频中分离出来步态相关信息。第二、进行步态周期分析并提取步态特征。步态特征的选取和精确提取直接影响后续的步态识别正确率。第三、利用合适的分类器进行步态识别。现有步态识别算法在提取步态特征时，通常需要先进行步态周期分割，大幅度增加了步态识别方法的应用和推广难度。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于步态数据的身份识别方法，能够更好地反映人走路过程中步态细节信息，具有更强的稀疏性，也能提高基于步态的身份识别正确率。具体技术方案如下：

一种基于步态数据的身份识别方法，包括训练阶段和识别阶段，其特征在于：

所述的训练阶段包括如下步骤：

步骤一：提取训练样本的步态轮廓曲线：首先对包含训练样本和待识别样本的步态视频序列进行预处理，根据目标的色彩和运动特性，分割出人体轮廓区域；然后采用滤波和生态学方法等对轮廓进行完善，最后，进行边缘检测，获得完整的步态轮廓曲线；

步骤二：生成高维步态特征矩阵：利用逐行扫描法对步骤一中提取的步态轮廓曲线进行逐行扫描，生成高维步态特征矩阵，该矩阵中的元素取值规则为：按照从左到右的方向，扫描线与轮廓线无交点，取值0；当前交点次数为奇数，取值为1；否则，取值为2；

(1)初始化训练阶段：通过加入随机噪声提高自编码器的鲁棒性和泛化能力，光滑自编码器的各层神经元输出计算方式如下：