基于人體步態識別技術的視頻監控應用研究

薛艷

摘? ?要：文章以步態識別為基礎，研究和總結視頻監控中智能算法的共性，構建了一個方便擴展的通用基礎平臺，具體內容包括多運動目標檢測、跟蹤，步態特征提取與步態識別以及越界檢測和區域保護。

關鍵詞：目標跟蹤;姿態檢測;區域保護算法

1? ? 研究背景

人體步態識別是一種新興的生物特征識別技術，它就是根據人走路時的姿態對人進行身份識別、認證和行為分析等，該項技術可廣泛用于智能監控、遠距離身份識別、計算機人體行為分析等領域。相對于指紋識別，人臉識別，語音識別等其他生物特征識別技術有著非侵犯性和非接觸性、難于隱藏和偽裝、易于采集、可遠距離識別等獨特的優點，因此，具有重要的理論研究意義和實用價值。

2? ? 實施過程

在智能監控系統中要對運動目標進行辨識，首先需要實現運動目標的檢測，因此目標檢測是最基礎的算法。在實際應用中，對于一些簡單且在多個目標情況不需要明辨出每個目標的異常運動的檢測（如檢測運動的有無，運動物體計數等），可以直接根據運動目標檢測的結果進行判斷。對于較為復雜的情況，例如當有多個人進入視野的時候，不僅需要檢測出他們而且還要辨別出他們是人，并且還得明辨出誰是誰，不至于A犯罪了卻標示成了B，因此需要設計目標辨識和目標跟蹤算法。分辨出每一個目標后就可以對他們進行進一步的分析，例如對他的行為進行分析，或者增加一個特寫攝像頭來捕獲人臉用以進行人臉識別等。最終，還可以結合所有相關的技術構成一個識別率較高的多模式智能監控系統。圖1是本項目的實施步驟，箭頭只表示實現的順序。

3? ? 實驗原理及結果演示

3.1? 目標檢測算法

運動目標檢測的步驟如圖2所示，首先對視頻序列進行灰度處理，然后建立背景模型，并對其進行更新。接著用每幀圖像和背景相減當絕對差值大于閾值Th則認為是前景目標，進而得到一個包含目標和噪聲的二值圖像。之后對前一步所得的二值圖像進行開運算以去除小噪點和斷開粘連。接下來去除一些不規則區域如小面積區域、細長條等，最后檢測陰影，如果存在陰影，將其去除，便可得到無干擾的目標區域。

3.2? 目標跟蹤算法

在本研究中，目標跟蹤采用的是基于加權顏色直方圖粒子濾波跟蹤算法。粒子濾波算法的核心思想是利用一組帶有權值的粒子近似表示某時刻目標狀態的后驗概率，每一個粒子代表目標的一個假設狀態，用一個與目標區域一致的特定形狀（圓、橢圓、矩形等）表示對應粒子的離散采樣概率。

當粒子數足夠大時，這種對目標狀態的后驗離散加權估計可以接近貝葉斯最優解，所以能夠解決動態系統的狀態估計問題。本研究還將目標的加權顏色直方圖作為前景觀測信息更新粒子的權值，粒子區域的顏色分布與目標顏色分布越相似，權值越大，反之越小。

基于加權顏色直方圖粒子濾波跟蹤算法能夠較好地適應目標之間短暫的遮擋以及目標的隨機運動，具體實現步驟如圖3所示。

3.3? 異常步態識別算法和人體識別算法

已經檢測出來的人體區域，如果人正常行走的話，檢測得到的人體區域面積會發生變化，文章用面積變化率來表示。面積變化率具體是指一段時間內面積的方差和面積均值之比。若面積變化率在正常步態范圍內且高寬比滿足正常行走時的比例則認為其是正常步態，否則根據高寬比來判斷屬于哪一種異常步態。人體識別方法及步驟如圖4所示。

3.5? 越界檢測和區域保護算法

越界檢測實現方法是，運用直線方程判斷設定的警戒線和目標4個邊界是否存在交點。有則認為目標越界，并進行標示。圖5為越界檢測的效果。紅框標示的目標區域表示已經越界了。

4? ? 創新點

（1）從設計上，本設計考慮到多模式監控系統的結構，采用了分層設計，這樣更具有彈性方便擴展。

（2）將步態識別引入到智能監控系統中，對一些異常行為能夠及時報警，且具有一定的預警的作用，有利于緊急情況的及時處理。此外，可以將步態識別和其他生物識別技術相結合以實現遠距離的身份識別，這樣更能保障關鍵場所的安全。

（3）用算法實現運動人體和其他運動物體的辨別，這為后續對人體身份識別等其他的處理奠定了基礎。

（4）對于區域保護，本設計允許使用者選擇任意多邊形，同時在選擇保護區域的時將引入魔術棒工具，方便使用者快速選取多個相似區域。