步態識別

與其他的生物識別技術相比，步態識別具有非接觸遠距離和不容易偽裝的優點。在智能視頻監控領域，比圖像識別更具優勢。

步態是指人們行走時的方式，這是一種複雜的行為特徵。罪犯或許會給自己化裝，不讓自己身上的哪怕一根毛髮掉在作案現場，但有樣東西他們是很難控制的，這就是走路的姿勢。

英國南安普敦大學電子與計算機系的馬克·尼克松教授的研究顯示，人人都有截然不同的走路姿勢，因為人們在肌肉的力量、肌腱和骨骼長度、骨骼密度、視覺的靈敏程度、協調能力、經歷、體重、重心、肌肉或骨骼受損的程度、生理條件以及個人走路的“風格”上都存在細微差異。對一個人來說，要偽裝走路姿勢非常困難，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場逃跑，他們的步態就可以讓他們露出馬腳。

人類自身很善於進行步態識別，在一定距離之外都有經驗能夠根據人的步態辨別出熟悉的人。步態識別的輸入是一段行走的視頻圖像序列，因此其數據採集與面像識別類似，具有非侵犯性和可接受性。但是，由於序列圖像的數據量較大，因此步態識別的計算複雜性比較高，處理起來也比較困難。儘管生物力學中對於步態進行了大量的研究工作，基於步態的身份鑒別的研究工作卻是剛剛開始。步態識別主要提取的特徵是人體每個關節的運動。到目前為止，還沒有商業化的基於步態的身份鑒別系統。

步態識別是一個相當新的發展方向，它旨在從相同的行走行為中尋找和提取個體之間的變化特徵，以實現自動的身份識別。安全視頻智能監控場合中自動步態識別系統的基本工作原理框圖的一般框架如圖1所示，它是融合計算機視覺、模式識別與視頻/圖像序列處理的一門技術。

首先由監控攝像機採集人的步態，通過檢測與跟蹤獲得步態的視頻序列，經過預處理分析提取該人的步態特徵。即對圖像序列中的步態運動進行運動檢測、運動分割、特徵提取等步態識別前期的關鍵處理。

其次，再經過進一步處理，使其成為與己存貯在資料庫的步態的同樣的模式；

最後，將新採集的步態特徵與步態資料庫的步態特徵進行比對識別，有匹配的即進行預/報警。無匹配的，監控攝像機則繼續進行步態的採集。

因此，一個智能視頻監控的自動步態識別系統，實際上主要由監控攝像機、一台計算機與一套好的步態視頻序列的處理與識別的軟體所組成。其中，最關鍵的是步態識別的軟體演演算法。所以，對智能視頻監控系統的自動步態識別的研究，也主要是對步態識別的軟體演演算法的研究。

根據醫學和心理學等學科的研究表明：人可以感知步態，並可以通過步態進行人的身份認證。尤其自“911事件”以來，使得遠距離的身份識別研究備受關注。而與其他生物特徵識別相比，步態識別的突出特點主要是能遠距離識別。因此，步態識別的研究，己越來越引起國內外學者的關注。目前，已研究出的步態識別的軟體演演算法有如下幾種：

二維步態識別演演算法

對於每個步態序列而言，一種改進的背景減除技術被使用來提取人的空間輪廓。這些輪廓的邊緣，被逆時針方向展開為一系列相對於質心的距離模板。這些模板特徵通過使用主元統計分析方法來訓練，從而得出步態形狀的變化模式在特徵空間中的軌跡表達。識別時，採用了時空相關匹配方法和基於歸一化歐氏距離的最近鄰規則，並引入了相應於個人的體形等生理特徵的融合，以用於必要的步態分類校驗。

步態識別演演算法

該演演算法來源於“從行走運動的時空模式中可學習人體的外觀模型”的觀點。對於每個序列而言，背景減除過程用來提取行人的運動輪廓，這些輪廓隨時間的姿態變化在二維空間中被對應描述為一個序列的複數配置(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外觀特徵。實驗結果表明，該演演算法獲得了令人鼓舞的識別性能。

時空輪廓分析

該演演算法來源於“人體行走運動很大程度上依賴於輪廓隨著時間的形狀變化”的直觀想法。對於每個序列而言，背景減除與輪廓相關方法用於檢測和跟蹤行人的運動輪廓，這些時間的二維輪廓形狀被轉換為對應的一維距離信號，同時通過特徵空間變換來提取低維步態特徵。基於時空相關或歸一化歐氏距離度量，以及標準的模式分類技術用於最終的識別。實驗結果表明，該演演算法不僅獲得了令人滿意的識別性能，而且擁有相對較低的計算代價。

基於模型

該演演算法來源於“行走運動的關節角度變化包含著豐富的個體識別信息”的思想。首先，結合人體模型、運動模型和運動約束等先驗知識，利用Condensation演演算法進行行人的跟蹤。然後，從跟蹤結果中獲取人體主要關節的角度變化軌跡。這些軌跡經過結構和時間歸一化后，作為動態特徵而用於身份識別。

基於Hough變換

這是一種基於新的特徵提取方法的自動步態識別演演算法，該演演算法僅從腿部的運動進行身份識別。對於每個序列，用一種基於圖像色度偏差的背景減除演演算法來檢測運動對象。在經過後處理的二值圖像序列中，利用邊界跟蹤演演算法獲取對象邊界，在對象邊界圖像上，局部應用Hough變換檢測大腿和小腿的直線，從而得到大腿和小腿的傾斜角。用最小二乘法將一個周期內的傾斜角序列，擬合成5階多項式，把Fourier級數展開后得到的相位與振幅的乘積，定義為低維步態特徵向量。在小樣本的資料庫上用Fisher線性分類器驗證所研究演演算法的性能，正確分類率為79.17%，在步態資料庫不很理想的情況下也獲得了較好的識別率。

基於三維小波矩理論

基於廣義多尺度分析理論，針對不同的應用圖像或信號庫，得到最優小波分解，並在人體步態識別中與二維小波矩結合進行應用。在三維物體的表示方面，作為三維物體的一種無冗餘的描述和識別方法，提出了三維小波矩理論。與現存的方法相比，它不但具有平移、縮放和旋轉不變性，在徑向上還增加了多尺度分析的特性。可以根據不同的需要，提供多層次的特徵描述子，同時引進球面調和函數加速演演算法和小波的Mallat演演算法后，使小波矩的計算得到了雙重加速。有人計劃搭建實用的三維物體檢索平台，將進一步完善該演演算法。

此外，有人在基於"人體生物特徵不僅包含靜態外觀信息，也包含行走運動的動態信息"的思想，提出了一種判決級上融合人體靜態和動態特徵的身份識別方法。利用此方法在不同融合規則下的實驗結果表明，融合后的識別性能均優於使用任何單一模態下的識別性能。

是一種非接觸的生物特徵識別技術。因為它不需要人的行為配合；特別適合於遠距離的身份識別。這是任何生物特徵識別所無法比擬的；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情況，還能把它們同嫌犯走路的姿態進行比較。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。採集裝置簡單、經濟。因為只需要一個監控攝像頭就行。

由於步態識別與面像識別一樣，都是一種不需要人的行為配合的非接觸的生物特徵識別技術，因此均可用於智能視頻監控系統。現將兩者的比較，歸納如表1所示。

步態識別與面像識別的相同點表現在，檢測方法、人的行為配合、軟體難易程度、聯網、複製可能性以及在智能化視頻監控系統中的應用方面都是相同的；其不同點在採集裝置成本、採集速度、採集距離、偽裝、可靠性、使用等方面。

面像識別優於步態識別的有二：一是採集速度快於步態識別，因為攝像頭只要一抓住面像即可，而步態識別則要採集到步態圖像的序列才行；二是面像識別技術比較成熟，而步態識別剛起步，其可靠性不如面面像識別，試驗的識別率只有80%。

步態識別優於面像識別的有四：一是採集的攝像機用一般的即可，所以採集裝置的成本比面像識別的低；二是採集的距離要比面像識別的遠，只要能看清走路的姿態就行，甚至可以背離攝像機，這是面像識別所不行的；三是面像可偽裝，而步態卻不易，因為當你看到攝像頭想偽裝時，你的步態卻早已被採集了；四是步態識別使用最方便，它不像面像識別那樣要較好的光照條件來看清面像。

全視角步態識別在高清攝像頭下，識別距離可達50米，無需識別對象主動配合參與。因步態難以偽裝，不同體型、頭型、肌肉力量特點、運動神經靈敏度、走路姿態等特徵共同決定了步態具有較好的區分能力。虹膜識別需要目標在30厘米以內、要有紅外光照條件，人臉識別需在1-5米以內，基本正面，光照良好的條件，步態識別打破這些條件的限制。

防止你的貴重物品被人偷走。研究人員在筆記本電腦，手機等物品中裝上感測器，把感測器的頻率調整到物主步行時的典型的頻率上，這樣你的筆記本電腦就認識你了，當有人偷了你的電腦又不能模仿你的步態時，感測器就會報警.

步態識別是近年來越來越多的研究者所關注的一種較新的生物認證技術，它是通過人的走路方式來識別人的身份的方法。在應用領域，類似於人臉識別，它要解決識別和檢驗兩類問題。在識別問題中，給出未知身份人的步態，在資料庫中搜尋與之匹配的人的步態，從而確認人的身份；在檢驗問題中，需要步態識別演演算法對已假定的某人的身份作出判定，即接受或拒絕所假定的身份。

步態識別作為一種生物認證技術，具有其它生物認證技術所不具有的獨特優勢，即在遠距離或低視頻質量情況下的識別潛力，且步態難以隱藏或偽裝等。步態識別主要是針對含有人的運動圖像序列進行分析處理，通常包括運動檢測、特徵提取與處理和識別分類三個階段。

利用“人臉+步態”雙模式識別，可最大化地辨識可疑人員，提高安全等級，也可以在公交領域應用，實現安防布控、無卡出行、人群密度、超流量預警等。