技術(shù)大講堂：步態(tài)識(shí)別優(yōu)勢(shì)大盤(pán)點(diǎn)

概論
步態(tài)是指人們行走時(shí)的方式，一個(gè)人在行走時(shí)，雙腳動(dòng)作和身體其他部位的姿勢(shì)是獨(dú)一無(wú)二的。根據(jù)早期的醫(yī)學(xué)研究，人的步態(tài)有24個(gè)不同的分量，在考慮所有步態(tài)運(yùn)動(dòng)分量的情況下步態(tài)是唯一的。精神物理學(xué)中的研究結(jié)果顯示即使通過(guò)受損的步態(tài)信息人們也能夠識(shí)別出身份，這表明步態(tài)信號(hào)中存在身份信息。而且這種姿勢(shì)具有相對(duì)穩(wěn)定性，在一定的時(shí)間范圍和相同的步行環(huán)境下不容易改變，人們可以據(jù)此揭示出行走人的身份。在生物特征識(shí)別技術(shù)里，步態(tài)特征是一種新興的識(shí)別技術(shù)。步態(tài)即人走路的姿態(tài)，它由每個(gè)時(shí)刻身體各部位的相對(duì)運(yùn)動(dòng)組成，不同的人走路姿態(tài)都有比較獨(dú)特的特征。

優(yōu)勢(shì)
相比于其它識(shí)別技術(shù)，步態(tài)識(shí)別技術(shù)具有一些明顯的優(yōu)勢(shì)：
1）步態(tài)識(shí)別對(duì)識(shí)別距離要求不高
當(dāng)視頻采集設(shè)備與待識(shí)別目標(biāo)距離較遠(yuǎn)時(shí)，人臉模糊不清，指紋更無(wú)法采集，但是人走路的姿態(tài)卻清晰可見(jiàn)。除此之外，從預(yù)防的角度來(lái)說(shuō)，適用于遠(yuǎn)距離身份識(shí)別技術(shù)可以在很大程度上增加以安全為目標(biāo)的智能視頻監(jiān)控系統(tǒng)。
2）步態(tài)識(shí)別的非強(qiáng)迫性
與傳統(tǒng)的生物特征識(shí)別技術(shù)（如指紋、虹膜等）相比，步態(tài)特征無(wú)需被識(shí)別者的配合即可獲取步態(tài)特征。
3）步態(tài)特征的不易隱藏、不易模仿性
不同于其它的生物特征，如可以用明膠作的橡膠手指以較高的成功率騙過(guò)指紋識(shí)別系統(tǒng)，步態(tài)特征是人身體的各個(gè)部位的協(xié)調(diào)動(dòng)作，在一定時(shí)間內(nèi)具有穩(wěn)定性，即很難改變，并且很難被其他人模仿。

研究現(xiàn)狀
目前的步態(tài)識(shí)別算法大多是在攝像機(jī)拍攝的目標(biāo)行走視頻的基礎(chǔ)上進(jìn)行研究的，雖然在計(jì)算機(jī)視覺(jué)領(lǐng)域?qū)θ说倪\(yùn)動(dòng)分析研究為時(shí)已久，然而真正利用步態(tài)信息進(jìn)行身份識(shí)別卻是近些年才逐漸發(fā)展起來(lái)的。對(duì)步態(tài)識(shí)別研究的一個(gè)重要分界點(diǎn)是2000年美國(guó)國(guó)防高級(jí)研究項(xiàng)目署DARPA重大項(xiàng)目HID(Human Identificationat a Distance)計(jì)劃開(kāi)展的多模態(tài)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(lèi)和識(shí)別，其研究重點(diǎn)之一就是通過(guò)步態(tài)進(jìn)行遠(yuǎn)距離身份識(shí)別。

步態(tài)識(shí)別分析可以劃分為特征抽取、特征處理和識(shí)別分類(lèi)三個(gè)階段。步態(tài)特征提取就是采取某種方法表示檢測(cè)出的步態(tài)和數(shù)據(jù)庫(kù)中的已知步態(tài)，主要分為兩大類(lèi)：基于形狀信息的表征（也稱(chēng)為非結(jié)構(gòu)表征），如輪廓邊界、面積、寬高比等；基于運(yùn)動(dòng)和動(dòng)力學(xué)特性的表征（也稱(chēng)為結(jié)構(gòu)表征），如人體動(dòng)力學(xué)模型、關(guān)節(jié)角度的變化、步行速度等?；谛螤钚畔⒌姆椒ò?，Little與Boyd利用了光流圖像中上步態(tài)的頻率和相位特征來(lái)對(duì)行人進(jìn)行識(shí)別，在一個(gè)6人組成的數(shù)據(jù)庫(kù)上獲得了90%以上的識(shí)別率。Murase和Sakai提出了一種時(shí)空相關(guān)的模板匹配方法，同時(shí)引入特征空間變換(PCA, Principal ComponentAnalysis)來(lái)進(jìn)行數(shù)據(jù)降維。Huang等人通過(guò)增加正則分析拓展了他們的工作，在UCSD數(shù)據(jù)庫(kù)上的識(shí)別率為100％。中科院自動(dòng)化所的王亮等人通過(guò)人體輪廓邊界解卷繞方式來(lái)提取步態(tài)特征，同樣用PCA進(jìn)行數(shù)據(jù)降維，該方法在CASIA數(shù)據(jù)庫(kù)上分別對(duì)3種視角的步態(tài)序列進(jìn)行了實(shí)驗(yàn)，因視角的不同，識(shí)別率從63.75%-93.75%不等。

Shutler等提出了一種基于速度時(shí)間矩的步態(tài)識(shí)別算法，減少了步態(tài)識(shí)別中噪聲的影響。Kale等人率先將隱馬爾可夫模型引入到步態(tài)特征提取中，并用聚類(lèi)的方法提取5個(gè)關(guān)鍵幀來(lái)減少數(shù)據(jù)維數(shù)。此外，James等人利用對(duì)稱(chēng)性分析算子來(lái)進(jìn)行步態(tài)識(shí)別也取得了不錯(cuò)的效果。另一類(lèi)基于運(yùn)動(dòng)和動(dòng)力學(xué)的方法旨在構(gòu)建一個(gè)人體的2D或3D的運(yùn)動(dòng)結(jié)構(gòu)模型，通過(guò)提取圖像特征把它們映射到模型的結(jié)構(gòu)成分上來(lái)表征人體的步態(tài)模式，其中包括，南安普頓大學(xué)的Cunado等人將大腿建模為鏈接的鐘擺，并從其傾斜角度信號(hào)的頻率分量中獲取步態(tài)特征。

中科院自動(dòng)化所的HuazhongNing等人先對(duì)人進(jìn)行跟蹤，再?gòu)母櫧Y(jié)果中獲取人體主要關(guān)節(jié)的角度變化軌跡作為動(dòng)態(tài)特征用于身份識(shí)別。Yoo等人根據(jù)解剖學(xué)的知識(shí)，提取出頭、脖頸、肩、胸、骨盆、膝蓋和腳踝的位置，然后計(jì)算各個(gè)位置的運(yùn)動(dòng)學(xué)特征（相對(duì)于垂直方向擺動(dòng)角度）從而進(jìn)行步態(tài)的分類(lèi)識(shí)別。Lily Lee等人采用七個(gè)橢圓表達(dá)人的側(cè)面二值化圖像的身體不同部分，每一個(gè)橢圓用質(zhì)心的兩個(gè)坐標(biāo)、長(zhǎng)短軸之比、長(zhǎng)軸的方向等四個(gè)特征表示，加上整個(gè)身體圖像的質(zhì)心的高度，一共29個(gè)特征參數(shù)表示整個(gè)人體側(cè)面圖像，再通過(guò)模板匹配方法進(jìn)行步態(tài)識(shí)別。P. J. Phillips和S. Sarkar對(duì)步態(tài)識(shí)別步態(tài)識(shí)別技術(shù)所面臨的挑戰(zhàn)和相關(guān)的技術(shù)困難進(jìn)行了詳細(xì)的論述，并構(gòu)造了一個(gè)包括122個(gè)人的步態(tài)數(shù)據(jù)庫(kù)，對(duì)視角、鞋的變化、路面變化、提包等因素進(jìn)行了比較分析。