多特征和多视角信息融合的步态识别

第14卷第3期2009年3月Vol 14. Na 3Mar . 2009中国图象图形学报Juunial of In age and G nip hies赵永伟 张二虎 鲁继文 胡峻林（西安理工大学信息科学系.西盘710048）提出了一种基于多特征和多视角信息融台的步态识别方法。应用背景差分和阴影消除获得人体步态轮 那对人体轮辭使用伪Zemike矩、小波描述子和Piocmstes形状分析法进行了特征提取。通过多特征和多视角步 态信息融合完成了基于人体步态特征的号份识别。该方法在CASA步态数据库上进行了实验.取得了较髙的正 确识别率.实验结果表明本文所提出的识别方法具有较高的帜别性能。步杰识别伪Zemike矩小波描述子 Pecmslcs形状分析值息融合:TP39I.41: A: 1006-8961 （2009）03-0388-06Gait Recognitfon Vfa M ultple Featuresand Vtews hfoimation FusionZHAO Yongei, ZHANG Erhu.LU J i-wen, HU Jun-lin(Or/Ktrtn aitatkrn Science, Xian Unrxrmity tff Technology. Xian 710048)Abstract A new gait recogiMtbn method based on inR)inatbn fusbn of multiple kinds of features and views ispioposed in this paper. Th lough the background subtractbn and sliadav elin inatbn. hunaii motion silhouettes arc obuiiiied and gait features are extracted using pseudoZemike mcmeni wavelet deserpir and Pmcmstes shape analysis* The gait recognition is accanp lislied though infon)atbn fusbn of multiple kinds of features and views on feature level and decisbn level The method is evaluated on the CASK gait daUibase and received oonipanitive high correct recognitbn nite The cxperinental results show thal our apploach has efficient recognitbn pc曲manccKeywords gait recogn itio n. pseudo Zemike mcmenL wave lei descrip Sr. Piocmstes shape analysis. inft)inatbn fusbn 1994-2010 China Academic Journal Electronic Publishing House. AU rights reseived. 第14卷第3期2009年3月Vol 14. Na 3Mar . 2009 1994-2010 China Academic Journal Electronic Publishing House. AU rights reseived. 第14卷第3期2009年3月Vol 14. Na 3Mar . 2009:陕西省自然科学基础研究计划项目（2006F26）:陕西省教育厅自然科学研究顶目（O7JK353）:2007-09-1&: 2007-12-12:赵永伟（1984-）.男.西安理工大学印刷包裝工程学院信号与信息处理专业硕士研究生.主要研究方向为数字图像处理与模式识别 Email: waboy.zhaD 163. con近年来随着一些安全敏感场合（如机场、军事 基地等）对智能监控系统的迫切需求非接触式远 距离的身份识别技术备受关注。但由干人脸、指纹、 虹膜等生物特征识别技术都需要人体近距离或接触 性的感知不适合于远距离下的身份识别。而进入 监控范围的人其运动步态是可见的.并且具有易采 集、非侵犯性、难以伪装等优点近年来已引起了国 内外智能视觉监控研究者的浓厚兴趣。步态识别就是根据人走路的姿势进行身份识别。近年来，国内外学者对步态识别进行了深入地 研究,相继取得了一些成果但大都只停留在算法的 研究上。目前文献报道的步态识别方法大致可以分 为两类:基于模型和基于统计的方法。基于模型的 方法重点关注人的运动信息预先建立模型通过模 型和图像序列的匹配获得模型参数使用这些参数 作为步态特征进行分类。如Cunado等人山将人体 下半身看作一个骨架建立骨架的运动模型再用速 度霍夫变换（VHT）提取运动参数：Lee将人的身 体侧面二值化图像的不同部分用7个椭圆拟合，每 一个椭圆用质心等4个特征表示.加上整个身体图 像质心的高度共29个特征表示整个人体侧面图像。 1994-2010 China Academic Journal Electronic Publishing House. AU rights reseived. 391中国宙彙宙形学报第14禅基于统计的方法重点关注人运动的静态信息从图 像序列中提取步态的统计参数。如王亮等人提 出的基干轮廓的步态识别方法Shutler等人提出 的基于时间矩的步态识别方法都是统计识别方法。不同于上述方法本文提出基于多特征和多视 角信息融合的步态识别方法首先通过背景减除技 术获得人体运动轮廓，并对其应用伪Zcmikc矩、小 波描述子和Procmstcs状分析法进行特征提取然 后在各个视角下进行多特征融合，最后利用不同视 角下的步态信息互补这一特点完成了多视角下步 态信息融合的身份识别。算法流程如图1所示，并 在CASA步态数据库上进行了实验.给出了实验 结果。视角1下的 轮康序列视角3F的 轮醐序列 一丄步态手列步态序列步态序列及处理轮嗽跟踪形态学处理II角2下的 轮康序列ruslcs形态分析法视曲I视角2视用3图1基干多特征和多视角信息融合的步态识别流程图 Fig 1 Fkw chart of the gait recognitbn based on multiple features and views intbnnatbn fusbn脣殳|伪Nmikc矩最终的讲别结果2基干人体步态特征的身份识别很大程度上依赖 于人体轮廓形状随着时间变化的规律通过背景减 除、二值化及阴影消除后可以得到步态序列中每帧 图像的单连通人体运动区域。通过轮廓跟踪的方 法.可以快速得到人体轮廓.图2给出了其中一帧的 轮廓提取结果。(a)廉始图像(b)人体区域图像 (c)人体轮廉图像图2人体轮廉提取结果Fig 2 The result of edge extraction目前.使用的步态特征主要有基于运动和基于 统计两种，68,o为了保留步态序列中的动态及静态 信息本文使用伪zemikc矩及小波描述子来描述步 态序列中每一帧的人体轮廊.而使用Piocnislcs形状 分析法来对人体步态运动图像集进行统计描述，从 而有效地克服了单一步态特征唯一性不强、稳定性 不够等缺陷。2. 1 Zem ice伪Zemike矩是基于图像整个区域的形状描述 算子,9，0,o由于伪Zemikc矩的基是正交径向多项 式.与其他矩算子相比，伪Zemikc矩描述子具有较 强的旋转、平移和比例不变性信息表达的高效性以 及能较好地描述运动图像等特点，因此采用它来描 述人体步态特征。伪Zemike矩是一种正交复数矩它所利用的正 交多项式集是一个在单位圆心:x: +y2 1)内的 完备正交集。对干数字图像，设/(x y)是当前像 素则P阶“次伪Zemikc矩f可以定义为P =JL 卩卩x, y)W (x, y) (1) 式中是正整数或零是整数.并且I qS *表 示复数共扼.并且x +/lo是p阶, h(4)为了压缩数据及计算方便每帧图像只使用低 频段的32个点来进行匹配识别。用小波描述子来 提取人体轮廓特征的结果如图4所示。心)人体轮扁图像32个小波特征值 (b)小渡描述子待征530.0.00.0.300 4小波描述子提取人体轮廉特征Fig 4 W avelet feature of a silhouette2.3 Procrustes统计识别方法通常对运动图像集进行统计描 述。Pecnislcs形状分析法是方向统计学中一种特 别流行的方法它非常适用于编码2维形状.并且提 供了一种好的工具来寻找一组形状的均值形状 因此可采用它来描述人体步态特征。假设2维空间 中一个形状可以被描述为一个由R个复数组成的向 量或称作一个配置，即Z = / Q, 5，7 /T。通过 定义中心配置即u = I Hl, Ib, uk JT, II. 乙Z ft =可以将每个形状置于空间坐标的中心。两个配置5、5之间的Procrustes距离被定义为；式中，0Wd(U, U?) n:l Conference on Pattern Rccognilbnl C , HongKong. 2006: 996-999.16 Begga R. Kiim mzzaman J A machine learning approach for atkinaled recognition of movaiient patterns using basic, kinetic and kinematic gail data J . Journal of B hncchanics. 2(X)5. 38 (3 ): 401 -40817 Kjnchcva L L Bczdek J C. Duin R P W Dccisbn templates for multple chssifier fusion: An expermental oamparisin | J Patten Rea)gnitbn.200L 34(2): 299-314.18 Wang Liling Ning Hua-zhong Tan Tieuiu Fusion of static and dynamic body biometrics for gait recognition| J EEE Transactnns on Circuits and Systems for Video Technobg)* 2004. 14 ( 2 ): 149-15819 Lu Ji-wcn. 3)ang E厂hu. Xue Yairxuc Gait rva)gni(i)n based on independent component analysis and infomatbn fusbn J Patten Recognition and Artificial htclligence. 2007. 30(3): 365*370. | 自 継文张二虎薛延学基于独立感分分析和信息融合的步态识 别J模式识别与人工習能.2007.20(3):365-370.20 Lu Jivcn. Zlung Erhu Gail rvcognitbn for huiian ideniificatbn based on EA and fuzzy SVM thmugh multipte views fusbn J Patlem Recognitbn Letters. 2007. 28( 16): 2401-2411.Wang Yuan, Yu Shrqi. Wang Yun-hong et al. Gait recognitbn bsed on lusbn of multrvim* gait sequences A h: Pmceedingscf hiematbnal Ajwociatbn of Pattern Recognitbn htemational Conference on B imetricsf C | HongKong. 2006: 605-611 1994-2010 China Academic Journal Electronic Publishing House. AU rights “served. hltp:/