论文部分内容阅读
生物特征识别技术是一种利用人的生理或行为特征进行身份识别的技术。随着机场、车站、银行等安全敏感场合对大范围视觉监控系统的需求提升，远距离的身份识别研究近来受到了计算机视觉研究者们的大量关注。脸像、指纹和虹膜等生物特征通常需要近距离或者接触性的感知，因此在实际应用中受到了诸多限制。步态是远距离情况下唯一可以感知的生物特征，因此从视觉监控的观点来看，步态识别具有广泛的应用前景。步态轮廓提取是步态识别系统的重要步骤，它包括了背景建模和运动分割两个部分。本文采用核高斯模型来对步态场景进行建模，同时提出了一种高效的高斯核带宽估计方法。步态图像通过背景模型被映射为背景概率图像之后，利用最大期望算法自动地分割出概率图像中的人体运动区域。针对步态轮廓不甚理想的情况，本文采用光流空间形状分布来描述并识别运动目标。首先，计算每帧步态序列中的密度光流场，所得的与尺度无关的矩描述了光流的空间形状分布；然后，分析每一组矩的周期性结构特征，不同图像序列对应的矢量有基本相同的周期特征和不同的相位特征，利用相位特征区分不同个体步态之间的差异；最后，训练时计算各个样本特征矢量的平均值作为聚类中心，识别时计算待识别序列矢量和每个聚类中心的距离，采用最近邻法则，把序列归类到距离最近的类中。实验表明，该方法在复杂场景中的步态轮廓提取效果要明显优于传统的步态轮廓提取方法，并且它的运算效率能够满足动态场景的实时建模要求。不仅获得了令人满意的正确识别率，而且还拥有相对较低的计算与存储代价。