基于Procrustes形状频谱分析的多视角步态识别算法

摘要

随着社会的发展，安全性问题越来越多的受到关注，尤其是在一些对安全性特别敏感的场所。于是很多生物识别技术就被应用到安全领域。步态作为一种新型的步态特征以其固有的优势：非入侵性，远距离身份识别，难以隐藏性，可在对方未知的情况下得到其步态特征，用户接受程度高等特点获得了越来越多的关注。步态识别就是根据人走路的姿势进行识别和认证。随着人们对安全性要求的不断提高，关于步态识别的研究将会不断的深入和完善，在未来很有可能应用到日常生产生活的各个方面。现有的很多算法大多都是研究基于侧面的步态识别算法，本文的研究重点是要寻找一种具有高识别率、高速度和多视角的步态识别算法，初步构建一个基于CASIA DatabaseB的步态识别系统，能够实现和演示整个步态识别的过程。本文做的工作主要有：
　　 (1)在运动目标检测时，应用了改进的背景减除算法，用当前帧图像和背景图像的加权来获得新的背景图像。
　　 (2)在轮廓线采样时，本文采用分区域定点数采样的方法进行采样，就是根据人体的生理结构将人体分为头肩区、躯干区、腿脚区，根据这几个区域的重要性，规定各个区域的采样点数，然后在每个区域中等角度采样。
　　 (3)提出了一种基于Procrustes均值形状的傅里叶频谱分析(Fourier Spectrum Analysis of Procrustes Mean Shape，FSAOPMS)的适用于多视角的步态识别方法。利用Procrustes统计形状分析方法将步态序列中人体轮廓的连续步态变化表示成一个紧致的Procrustes均值形状(Procrustes mean shape，PMS)，Procrustes形状是方向统计学中的形状描绘方法，本质上就是一个二维图像的配置向量。将PMS作为原始步态特征，对PMS进行傅里叶频谱分析(Fourier Spectrum Analysis，FSA)。将PMS的幅度谱作为最终的步态特征。
　　 (4)幅度谱是一种包含整体和细节信息的实数标量特征，提出利用欧式距离来度量两个频谱的相似度，最后，利用最近邻(NN)和K-近邻(KNN)两种分类器进行识别。在中科院自动化所的CASIA Gait Database B数据库上进行了实验，证实了本文提出的算法具有令人鼓舞的识别性能。
　　 (5)系统构建方面，本文实现了一个基于中科院自动化所CASIA Database B简单的步态识别系统，为研究、比较算法搭建了一个很好的平台。此系统提高了两个指标来判断算法的优越性，分别是：识别正确率、特征提取和识别所耗费的时间，这里提到的时间是基于CPU主频的。将本文提出的算法在该系统中得以实现和验证，并且还实现了其他三种算法，与本文算法进行对比，实验结果表明，本文提出的算法在识别准确率和时间消耗上都有很大的优势。