基于步態(tài)深度信息的人體身份識別方法研究.pdf

1、隨著社會信息化的迅速發(fā)展，信息的安全問題隨之變得日益嚴峻。如何在反恐、刑偵鑒定、出入境管理、金融服務等領域對一個人的真實身份進行準確地鑒定，是確保這些公共事務安全進行的關鍵。相比于人臉、指紋、視網(wǎng)膜等生物特征識別方法，步態(tài)識別具有作用距離遠、難以偽裝、非侵犯性及低分辨率識別等優(yōu)勢。但在傳統(tǒng)視頻監(jiān)控領域中，基于步態(tài)的人體身份識別易受光線及復雜背景等因素的干擾，在弱光和無光的條件下步態(tài)識別的效果較差。利用深度相機獲取的步態(tài)深度圖像不僅可以消

2、除光照條件的影響，而且還包含了步態(tài)的深度信息。本文將深度信息與步態(tài)識別相結合，提出了兩種基于深度信息的步態(tài)序列特征描述方法，并將其用于步態(tài)識別，取得了理想的識別效果。
　　本研究主要內容包括：①利用Kinect獲取人體步態(tài)深度信息，并根據(jù)深度圖像的特點，選擇雙閾值分割法分離深度圖像中的人體目標與背景。針對步態(tài)深度圖中存在地面深度信息、孤立噪聲點以及較小空洞的問題，采用背景相減結合輪廓連通域檢測的方法提取人體步態(tài)輪廓，并根據(jù)人體輪廓

3、高寬比對步態(tài)序列進行周期分析及檢測。②提出了兩種基于深度信息的步態(tài)序列表征方法：步態(tài)深度能量圖(Gait Depth Energy Image, GDEI)和步態(tài)動態(tài)圖(Gait Dynamic Image, GDI)。GDEI是在步態(tài)能量圖(Gait Energy Image, GEI)的基礎上融入深度信息得到的，是一個完整步態(tài)周期內的步態(tài)序列在時間上歸一化的能量累積圖。GDEI的高亮像素部分表明該位置具有較高的步態(tài)能量，同時，像素的

4、灰度值反映了人體步態(tài)輪廓的深度信息。GDI是通過排序池化(Rank Pooling，RP)的方法捕獲步態(tài)序列的動態(tài)變化得到的，排序池化采用排序函數(shù)參數(shù)化的方法表示步態(tài)的時空特性，在時間尺度和空間尺度上對步態(tài)信息進行了有效的融合。③由于GDEI和GDI的維數(shù)較高，數(shù)據(jù)間冗余較大，直接用于步態(tài)識別可能會造成維數(shù)災難，影響分類結果。因此本文分別采用了主成分分析法(Principal Component Analysis, PCA)和核主成分分