步態識別技術研究綜述

張 帥 曾 瑩

（湖南農業大學 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，步態運動為人的識別提供了獨特的線索。步態具有非接觸性、難以隱藏或偽裝、易于捕捉等特點，且不受距離影響。 除了步態本身的特點，PC 處理器能力的提升，高速數據存儲設備的出現，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）計劃開展的多模態視覺監控技術以實現遠距離情況下的人的檢測、分類和識別。

1 步態識別過程

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

1.1 步態檢測

步態檢測是從人行走的視頻序列中提取步態輪廓區域，這方面的工作包括背景建模、前景檢測和形態學后處理等。 步態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，因為后續處理過程僅考慮圖像中輪廓區域的像素。 常用的步態檢測方法有背景減除法、時間差分法、光流法等。

1.2 步態特征提取

步態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的變化。步態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據與模型數據進行匹配以獲取特征參數。人的步行存在著攜帶背包、雨傘等足以改變外形、掩蓋部分身體的現象，在很多運動場合還存在身體自我遮擋現象， 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、離心率等參數反映人體步態特征參數[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特征[2]；Yoo 建立的骨架圖模型，即用直線近似在關節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特征。

1.2.3 步態分類與識別

步態的分類識別過程，即采用適當的方法將待識別的步態與步態數據庫中的步態模式進行匹配，通過一定的判別依據決策它所屬的類別。 考慮到步態的運動特性，對其分類識別也需要采用基于動態系統的識別方法。

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測，提高身份識別能力，是反恐必不可少的措施。步態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，從視覺監控的角度來看，步態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識別方法大多數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，實現實際場景下的步態檢測仍然是一個挑戰。

［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.基于步態的身份識別[J].計算機學報,2003,26(3)：1-7.