基于视觉的步态识别研究综述

小型微型计算机系统Journal of Chinese Computer Systems

2018年8月第8期Vol.39No.82018

收稿日期:2017-07-20 收修改稿日期:2017-09-18 基金项目:国家自然科学基金项目(61573057)资助;中央高校基本科研业务费项目(2010JBZ 010)资助. 作者简介:刘晓芳,女,1993年生,硕士研究生,研究方向为计算机视觉二信号处理;周 航,男,1974年生,博士,副教授,研究方向为计算机视觉二信号处理;韩 权,男,1991年生,硕士研究生,研究方向为计算机视觉二信号处理;昝孟恩,男,1993年生,硕士研究生,研

究方向为计算机视觉二信号处理;韩 丹,女,1995年生,硕士研究生,研究方向为计算机视觉二信号处理.

基于视觉的步态识别研究综述

刘晓芳,周 航,韩 权,昝孟恩,韩 丹

(北京交通大学电子信息工程学院,北京100044)E-mail :16125032@https://www.360docs.net/doc/2d1601396.html,

摘 要:步态识别具有易采集,远距离,非接触,难伪装和非侵入性等优势,是生物特征识别二计算机视觉和信息安全等领域的研究热点.本文主要从人体检测,步态周期性,特征提取,识别分类四个方面综述了步态识别的各种方法,其中人体检测部分主要介绍了当前步态数据库和前景分割两部分,并分析了阴影的去除方法;接下来介绍步态周期性和其他步态常用参数数据;之后分类介绍了特征提取部分;识别分类以模板匹配法二基于支持向量机的方法二基于人工神经网络的方法二统计学方法及其他常用方法五部分进行介绍.最后总结了步态识别已解决的难点,并对步态识别的发展趋势作出分析,指出未来步态识别的发展方向.关键词:步态识别;人体检测;周期性;特征提取;识别分类

中图分类号:TP 399 文献标识码:A 文章编号:1000-1220(2018)08-1685-08

Survey of Vision-based Gait Recognition

LIU Xiao-fang ,ZHOU Hang ,HAN Quan ,ZAN Meng-en ,HAN Dan

(School of Electronic and Information Engineering ,Beijing Jiaotong University ,Beijing 100044,China )

Abstract :Gait recognition has many advantages ,such as easy acquisition ,long distance ,non-contact ,hard to disguise and non-invasive.It is the focus of research in biometrics ,computer vision and information security.This paper mainly summarizes the methods of gait recog-nition from four aspects :human body detection ,gait periodicity ,feature extraction ,recognition and classification.The human detection part mainly introduces the current gait databases and foreground segmentation in two parts ,and analyzes the method of shadow removal ;Next ,this paper introduces the data of gait periodicity and other gait parameters ;Then the feature extraction part is introduced ;The identi-fication and classification are described in five parts :template matching method ,support vector machine (SVM )method ,artificial neural network method ,statistical method and other common methods.In the end ,the solved difficulties of gait recognition are summarized ,and the development trend of gait recognition is analyzed ,and the future development direction of gait recognition is pointed out.Key words :gait recogniton ;human body detection ;periodicity ;feature extraction ;identification and classification

1 引 言

随着计算机视觉,信息安全领域的发展,身份识别技术成为研究热点.生物特征识别技术即基于个人独特的生理或行为特征进行自动身份鉴别的技术,正在快速发展.因为生物特征不会像身份证等持有物那样易被转移或盗用,从而更安全可靠方便.其中步态识别是根据人体走路的姿势进行身份识,相比指纹识别,语音识别,人脸识别等技术,步态特征识别具有易采集,远距离,非接触,难伪装和非侵入性等优势,是生物特征识别二计算机视觉和信息安全等领域的研究热点.图1为一些常见生物特征.

步态分析起源于心理学,研究者发现每个人都具有自己独特的走路姿势和走路步伐[1].医学研究认为,步态是取决于人体几百个运动学参数的个体独有的人体特征,不同的个体运动又有步幅,步态周期等差异,因此考虑到步态的所有信息,步态就具有唯一性,所以步态可以作为识别人体的生物特征.在国外,最早,Johansson 通过实验发现,可以通过观察捆

绑在人体上的信号灯(MLD ,Moving Light Displays )的运动来判断人体的行走模式[2].在此基础上,Kozlowski 和Cutting 发现通过MLD 实验可以识别人的性别[3],识别自己的朋友[4].最早真正提出利用步态特征来进行人体识别的是Niyogi 和AdelSon 等[5].1996年,Murase 和Sakai 提出利用时空相关匹配算法来区别不同人的不同步态[6],Huang 等在他们工作基础上增加正则分析对实验进行了改善扩展[7].1998年,Little 与Boyd 提出通过从光流图像中提取频率和相位特征来识别人体[8],为之后步态识别提供了很好的特征依据.2002年,Abdelkader 等提出用步态序列自相似图来提取步态特征进行步态识别[9].2005年,Begg 等将支持向量机算法应用于步态自动识别[10],SVM 在步态识别中得以应用.2011年,文献[11]以一种新的步态表示--步态光流图(GFI )用于步态识别,进一步提高了步态识别率,步态识别的新思路被不断地提出.2014年,文献[12]介绍总结了当可穿戴技术和非可穿戴技术在步态识别中的应用,最后说明基于人体传感器的便携式系统的步态分析是很有前途的方法.2016年,Rida

万方数据