人體生物特征識(shí)別是傳統(tǒng)的模式識(shí)別問(wèn)題，它是利用人的生理或行為特征進(jìn)行人的身份識(shí)別。指紋、眼虹膜與面像等是第一代生物特征，通常要求近距離的或者接觸性的感知，如指紋需要接觸指紋掃描儀，眼虹膜需要近距離地捕捉，而面像也不能距離遠(yuǎn)，否則不能提供足夠的分辨率等。顯然，在遠(yuǎn)距離的情況下，上述的人體生物特征將不可能被使用。但是，人的步態(tài)仍是可見(jiàn)的，且它可在被觀察者沒(méi)有覺(jué)察的情況下從任意角度進(jìn)行非接觸性的感知和度量。因此，步態(tài)識(shí)別是生物特征識(shí)別技術(shù)的一個(gè)新興子領(lǐng)域。從視覺(jué)監(jiān)控的觀點(diǎn)來(lái)看，步態(tài)是遠(yuǎn)距離情況下最有潛力的生物特征，從而引起了國(guó)內(nèi)外廣大研究者們的濃厚興趣。例如美國(guó)國(guó)防高級(jí)研究項(xiàng)目署DARPA在2000年資助的HID（Human Identification at a Distance）計(jì)劃，它的任務(wù)就是開(kāi)發(fā)多模式的、大范圍的視覺(jué)監(jiān)控技術(shù)以實(shí)現(xiàn)遠(yuǎn)距離情況下人的檢測(cè)、分類和識(shí)別，以增強(qiáng)國(guó)防、民用等場(chǎng)合免受恐怖襲擊的自動(dòng)保護(hù)能力。 

    步態(tài)識(shí)別基本介紹 

    步態(tài)識(shí)別是一種新興的生物特征識(shí)別技術(shù)，旨在通過(guò)人們走路的姿態(tài)進(jìn)行身份識(shí)別，與其他的生物識(shí)別技術(shù)相比，步態(tài)識(shí)別具有非接觸遠(yuǎn)距離和不容易偽裝的優(yōu)點(diǎn)。在智能視頻監(jiān)控領(lǐng)域，比面像識(shí)別更具優(yōu)勢(shì)。 

    步態(tài)是指人們行走時(shí)的方式，這是一種復(fù)雜的行為特征。罪犯或許會(huì)給自己化裝，不讓自己身上的哪怕一根毛發(fā)掉在作案現(xiàn)場(chǎng)，但有樣?xùn)|西他們是很難控制的，這就是走路的姿勢(shì)。英國(guó)南安普敦大學(xué)電子與計(jì)算機(jī)系的馬克·尼克松教授的研究顯示，人人都有截然不同的走路姿勢(shì)，因?yàn)槿藗冊(cè)诩∪獾牧α�、肌腱和骨骼長(zhǎng)度、骨骼密度、視覺(jué)的靈敏程度、協(xié)調(diào)能力、經(jīng)歷、體重、重心、肌肉或骨骼受損的程度、生理?xiàng)l件以及個(gè)人走路的“風(fēng)格”上都存在細(xì)微差異。對(duì)一個(gè)人來(lái)說(shuō)，要偽裝走路姿勢(shì)非常困難，不管罪犯是否帶著面具自然地走向銀行出納員還是從犯罪現(xiàn)場(chǎng)逃跑，他們的步態(tài)就可以讓他們露出馬腳。 

    人類自身很善于進(jìn)行步態(tài)識(shí)別，在一定距離之外都有經(jīng)驗(yàn)?zāi)軌蚋鶕?jù)人的步態(tài)辨別出熟悉的人。步態(tài)識(shí)別的輸入是一段行走的視頻圖像序列，因此其數(shù)據(jù)采集與面像識(shí)別類似，具有非侵犯性和可接受性。但是，由于序列圖像的數(shù)據(jù)量較大，因此步態(tài)識(shí)別的計(jì)算復(fù)雜性比較高，處理起來(lái)也比較困難。盡管生物力學(xué)中對(duì)于步態(tài)進(jìn)行了大量的研究工作，基于步態(tài)的身份鑒別的研究工作卻是剛剛開(kāi)始。步態(tài)識(shí)別主要提取的特征是人體每個(gè)關(guān)節(jié)的運(yùn)動(dòng)。到目前為止，還沒(méi)有商業(yè)化的基于步態(tài)的身份鑒別系統(tǒng)。 

    下面介紹步態(tài)識(shí)別的基本工作原理、軟件算法、與面像識(shí)別的比較及特點(diǎn)、以及它在智能視頻監(jiān)控中的應(yīng)用等。 

    步態(tài)識(shí)別的基本工作原理 

    步態(tài)識(shí)別是一個(gè)相當(dāng)新的發(fā)展方向，它旨在從相同的行走行為中尋找和提取個(gè)體之間的變化特征，以實(shí)現(xiàn)自動(dòng)的身份識(shí)別。 

    安全視頻智能監(jiān)控場(chǎng)合中自動(dòng)步態(tài)識(shí)別系統(tǒng)的基本工作原理框圖的一般框架如圖1所示，它是融合計(jì)算機(jī)視覺(jué)、模式識(shí)別與視頻/圖像序列處理的一門(mén)技術(shù)。 

    由圖1可知，首先由監(jiān)控?cái)z像機(jī)采集人的步態(tài)，通過(guò)檢測(cè)與跟蹤獲得步態(tài)的視頻序列，經(jīng)過(guò)預(yù)處理分析提取該人的步態(tài)特征。即對(duì)圖像序列中的步態(tài)運(yùn)動(dòng)進(jìn)行運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)分割、特征提取等步態(tài)識(shí)別前期的關(guān)鍵處理。其次，再經(jīng)過(guò)進(jìn)一步處理，使其成為與己存貯在數(shù)據(jù)庫(kù)的步態(tài)的同樣的模式；最后，將新采集的步態(tài)特征與步態(tài)數(shù)據(jù)庫(kù)的步態(tài)特征進(jìn)行比對(duì)識(shí)別，有匹配的即進(jìn)行預(yù)/報(bào)警。無(wú)匹配的，監(jiān)控?cái)z像機(jī)則繼續(xù)進(jìn)行步態(tài)的采集。 

    因此，一個(gè)智能視頻監(jiān)控的自動(dòng)步態(tài)識(shí)別系統(tǒng)，實(shí)際上主要由監(jiān)控?cái)z像機(jī)、一臺(tái)計(jì)算機(jī)與一套好的步態(tài)視頻序列的處理與識(shí)別的軟件所組成。其中，最關(guān)鍵的是步態(tài)識(shí)別的軟件算法。所以，對(duì)智能視頻監(jiān)控系統(tǒng)的自動(dòng)步態(tài)識(shí)別的研究，也主要是對(duì)步態(tài)識(shí)別的軟件算法的研究。 

    步態(tài)識(shí)別的軟件算法 

    根據(jù)醫(yī)學(xué)和心理學(xué)等學(xué)科的研究表明：人可以感知步態(tài)，并可以通過(guò)步態(tài)進(jìn)行人的身份認(rèn)證。尤其自“911事件”以來(lái)，使得遠(yuǎn)距離的身份識(shí)別研究備受關(guān)注。而與其他生物特征識(shí)別相比，步態(tài)識(shí)別的突出特點(diǎn)主要是能遠(yuǎn)距離識(shí)別。因此，步態(tài)識(shí)別的研究，己越來(lái)越引起國(guó)內(nèi)外學(xué)者的關(guān)注。目前，己研究出的步態(tài)識(shí)別的軟件算法有如下幾種： 

    1、基于主元分析的免于模型的二維步態(tài)識(shí)別算法。 

    對(duì)于每個(gè)步態(tài)序列而言，一種改進(jìn)的背景減除技術(shù)被使用來(lái)提取人的空間輪廓。這些輪廓的邊緣，被逆時(shí)針?lè)较蛘归_(kāi)為一系列相對(duì)于質(zhì)心的距離模板。這些模板特征通過(guò)使用主元統(tǒng)計(jì)分析方法來(lái)訓(xùn)練，從而得出步態(tài)形狀的變化模式在特征空間中的軌跡表達(dá)。識(shí)別時(shí)，采用了時(shí)空相關(guān)匹配方法和基于歸一化歐氏距離的最近鄰規(guī)則，并引入了相應(yīng)于個(gè)人的體形等生理特征的融合，以用于必要的步態(tài)分類校驗(yàn)。 

    2、基于統(tǒng)計(jì)形狀分析的步態(tài)識(shí)別算法 

    該算法來(lái)源于“從行走運(yùn)動(dòng)的時(shí)空模式中可學(xué)習(xí)人體的外觀模型”的觀點(diǎn)。對(duì)于每個(gè)序列而言，背景減除過(guò)程用來(lái)提取行人的運(yùn)動(dòng)輪廓，這些輪廓隨時(shí)間的姿態(tài)變化在二維空間中被對(duì)應(yīng)描述為一個(gè)序列的復(fù)數(shù)配置(Complex Configuration)。利用Procrustes形狀分析方法，從該序列配置中獲取主輪廓模型作為人體的靜態(tài)外觀特征。實(shí)驗(yàn)結(jié)果表明，該算法獲得了令人鼓舞的識(shí)別性能。 

    3、基于時(shí)空輪廓分析的步態(tài)識(shí)別算法 

    該算法來(lái)源于“人體行走運(yùn)動(dòng)很大程度上依賴于輪廓隨著時(shí)間的形狀變化”的直觀想法。對(duì)于每個(gè)序列而言，背景減除與輪廓相關(guān)方法用于檢測(cè)和跟蹤行人的運(yùn)動(dòng)輪廓，這些時(shí)變的二維輪廓形狀被轉(zhuǎn)換為對(duì)應(yīng)的一維距離信號(hào)，同時(shí)通過(guò)特征空間變換來(lái)提取低維步態(tài)特征�；�于時(shí)空相關(guān)或歸一化歐氏距離度量，以及標(biāo)準(zhǔn)的模式分類技術(shù)用于最終的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法不僅獲得了令人滿意的識(shí)別性能，而且擁有相對(duì)較低的計(jì)算代價(jià)。 

    4、基于模型的步態(tài)識(shí)別算法 

    該算法來(lái)源于“行走運(yùn)動(dòng)的關(guān)節(jié)角度變化包含著豐富的個(gè)體識(shí)別信息”的思想。 

    首先，結(jié)合人體模型、運(yùn)動(dòng)模型和運(yùn)動(dòng)約束等先驗(yàn)知識(shí)，利用Condensation算法進(jìn)行行人的跟蹤。然后，從跟蹤結(jié)果中獲取人體主要關(guān)節(jié)的角度變化軌跡。這些軌跡經(jīng)過(guò)結(jié)構(gòu)和時(shí)間歸一化后，作為動(dòng)態(tài)特征而用于身份識(shí)別。 

    5、基于Hough變換的步態(tài)特征提取的步態(tài)識(shí)別算法 

    這是一種基于新的特征提取方法的自動(dòng)步態(tài)識(shí)別算法，該算法僅從腿部的運(yùn)動(dòng)進(jìn)行身份識(shí)別。對(duì)于每個(gè)序列，用一種基于圖像色度偏差的背景減除算法來(lái)檢測(cè)運(yùn)動(dòng)對(duì)象。在經(jīng)過(guò)后處理的二值圖像序列中，利用邊界跟蹤算法獲取對(duì)象邊界，在對(duì)象邊界圖像上，局部應(yīng)用Hough變換檢測(cè)大腿和小腿的直線，從而得到大腿和小腿的傾斜角。用最小二乘法將一個(gè)周期內(nèi)的傾斜角序列，擬合成5階多項(xiàng)式，把Fourier級(jí)數(shù)展開(kāi)后得到的相位與振幅的乘積，定義為低維步態(tài)特征向量。在小樣本的數(shù)據(jù)庫(kù)上用Fisher線性分類器驗(yàn)證所研究算法的性能，正確分類率為79.17%，在步態(tài)數(shù)據(jù)庫(kù)不很理想的情況下也獲得了較好的識(shí)別率。 

    6、基于三維小波矩理論的步態(tài)識(shí)別算法 

    基于廣義多尺度分析理論，針對(duì)不同的應(yīng)用圖像或信號(hào)庫(kù)，得到最優(yōu)小波分解, 并在人體步態(tài)識(shí)別中與二維小波矩結(jié)合進(jìn)行應(yīng)用。在三維物體的表示方面, 作為三維物體的一種無(wú)冗余的描述和識(shí)別方法，提出了三維小波矩理論。與現(xiàn)存的方法相比，它不但具有平移、縮放和旋轉(zhuǎn)不變性，在徑向上還增加了多尺度分析的特性。可以根據(jù)不同的需要，提供多層次的特征描述子，同時(shí)引進(jìn)球面調(diào)和函數(shù)加速算法和小波的Mallat算法后，使小波矩的計(jì)算得到了雙重加速。有人計(jì)劃搭建實(shí)用的三維物體檢索平臺(tái)，將進(jìn)一步完善該算法。 

    此外，有人在基于"人體生物特征不僅包含靜態(tài)外觀信息，也包含行走運(yùn)動(dòng)的動(dòng)態(tài)信息"的思想，提出了一種判決級(jí)上融合人體靜態(tài)和動(dòng)態(tài)特征的身份識(shí)別方法。利用此方法在不同融合規(guī)則下的實(shí)驗(yàn)結(jié)果表明，融合后的識(shí)別性能均優(yōu)于使用任何單一模態(tài)下的識(shí)別性能。 

    步態(tài)識(shí)別的特點(diǎn)及與面像識(shí)別的比較 

    步態(tài)識(shí)別的特點(diǎn) 

    ·是一種非接觸的生物特征識(shí)別技術(shù)。因?yàn)樗�不需要人的行為配合�?nbsp;

    ·特別適合于遠(yuǎn)距離的身份識(shí)別。這是任何生物特征識(shí)別所無(wú)法比擬的； 

    ·不容易偽裝。是讓犯罪分子防不勝防的追捕手段，它不僅可以分析閉路電視捕捉到的嫌犯的行動(dòng)情況，還能把它們同嫌犯走路的姿態(tài)進(jìn)行比較。在一些兇殺案中，往往兇犯不讓你看到他們的臉，但卻能看到兇手走路的樣子。 

    ·采集裝置簡(jiǎn)單、經(jīng)濟(jì)。因?yàn)橹恍枰�一個(gè)監(jiān)控?cái)z像頭就行。 

    步態(tài)識(shí)別與面像識(shí)別的比較 

    由于步態(tài)識(shí)別與面像識(shí)別一樣，都是一種不需要人的行為配合的非接觸的生物特征識(shí)別技術(shù)，因此均可用于智能視頻監(jiān)控系統(tǒng)�，F(xiàn)將兩者的比較，歸納如表1所示。 

    由表1可知，步態(tài)識(shí)別與面像識(shí)別的相同點(diǎn)表現(xiàn)在，檢測(cè)方法、人的行為配合、軟件難易程度、聯(lián)網(wǎng)、復(fù)制可能性以及在智能化視頻監(jiān)控系統(tǒng)中的應(yīng)用方面都是相同的；其不同點(diǎn)在采集裝置成本、采集速度、采集距離、偽裝、可靠性、使用等方面。 

    面像識(shí)別優(yōu)于步態(tài)識(shí)別的有二：一是采集速度快于步態(tài)識(shí)別，因?yàn)閿z像頭只要一抓住面像即可，而步態(tài)識(shí)別則要采集到步態(tài)圖像的序列才行；二是面像識(shí)別技術(shù)比較成熟，而步態(tài)識(shí)別剛起步，其可靠性不如面面像識(shí)別，目前試驗(yàn)的識(shí)別率只有80%。 

    步態(tài)識(shí)別優(yōu)于面像識(shí)別的有四：一是采集的攝像機(jī)用一般的即可，所以采集裝置的成本比面像識(shí)別的低；二是采集的距離要比面像識(shí)別的遠(yuǎn)，只要能看清走路的姿態(tài)就行，甚至可以背離攝像機(jī)，這是面像識(shí)別所不行的；三是面像可偽裝，而步態(tài)卻不易，因?yàn)楫?dāng)你看到攝像頭想偽裝時(shí)，你的步態(tài)卻早己被采集了；四是步態(tài)識(shí)別使用最方便，它不像面像識(shí)別那樣要較好的光照條件來(lái)看清面像。 

    結(jié)語(yǔ) 

    由上述介紹可知，步態(tài)識(shí)別與面像識(shí)別一樣，均可用于智能視頻監(jiān)控系統(tǒng)。而且，步態(tài)識(shí)別在遠(yuǎn)距離的采集與不可偽裝等方面，又優(yōu)于面像識(shí)別系統(tǒng)。因此，步態(tài)識(shí)別更適于智能視頻監(jiān)控系統(tǒng)。 

    本文只對(duì)步態(tài)識(shí)別作了一個(gè)簡(jiǎn)介，期望能引起各安防監(jiān)控公司的老總們的了解和注意，不要一聽(tīng)到“步態(tài)識(shí)別”這四個(gè)字就嚇得退避三舍，要認(rèn)清形勢(shì)、抓住機(jī)遇，要敢于上創(chuàng)新的高科技產(chǎn)品，不能一味地照抄照搬國(guó)外的產(chǎn)品了�，F(xiàn)國(guó)內(nèi)博、碩士研究生人才濟(jì)濟(jì)，只要有人指導(dǎo)他們?nèi)プ�，就能給你創(chuàng)造輝煌與奇績(jī)。