侯一民，賀廣文，張娜，白佳文

(東北電力大學(xué)自動化工程學(xué)院，吉林吉林132012)

生物特征識別是隨著計算機(jī)圖像處理和模式識別等學(xué)科的發(fā)展而逐步形成的新興研究方向，是為了進(jìn)行身份驗證而采用自動技術(shù)測量人身體的特征或行為特點，并將這些特征或特點與數(shù)據(jù)庫中的模板數(shù)據(jù)進(jìn)行比較，完成認(rèn)證的一種方法。

人體步態(tài)識別是一種新興的生物特征識別技術(shù)，它通過視覺技術(shù)采集人的行走圖像，并在圖像中提取出人類步態(tài)特征加以分析，達(dá)到身份識別的目的。醫(yī)學(xué)研究表明:人的步態(tài)具有24種不同的特征，如果把所有特征都充分加以考慮，則可認(rèn)為人體步態(tài)具有個體唯一性，因此，如能夠準(zhǔn)確提取人類步態(tài)特征，就可實現(xiàn)身份、健康狀況等信息的識別。此觀點已經(jīng)得到廣泛認(rèn)同。步態(tài)識別的應(yīng)用領(lǐng)域非常廣泛。醫(yī)學(xué)領(lǐng)域?qū)Σ綉B(tài)的分析主要是研究處在康復(fù)期病人的步態(tài)與正常人步態(tài)的差異，從而判斷病人的恢復(fù)情況。體育訓(xùn)練中，通過分析可以獲得人體下肢的運動信息，為運動員的優(yōu)化訓(xùn)練提供依據(jù)。電腦動畫游戲同樣借助虛擬現(xiàn)實技術(shù)建立人體步態(tài)模型，以達(dá)到非常逼真的運動效果。人機(jī)工效學(xué)、體育訓(xùn)練及電腦動畫等領(lǐng)域的人體運動分析原理是一致的，都是分析人體各部分之間的運動學(xué)和動力學(xué)關(guān)系［1，2］。

在國外，卡耐基梅隆大學(xué)致力于從視頻序列圖像當(dāng)中提取人體生物特征并且利用所提供的生物特征進(jìn)行個人身份認(rèn)證的研究。研究人員利用K均值算法對訓(xùn)練樣本序列與測試樣本序列進(jìn)行聚類，分別求出它們的聚類中心，然后計算測試樣本序列的聚類中心與訓(xùn)練樣本數(shù)據(jù)庫中所有的訓(xùn)練樣本序列聚類中心的相似性，最后利用最鄰近算法完成步態(tài)的分類識別［3］。喬治亞技術(shù)學(xué)院的研究中重點在于提供一種恢復(fù)靜態(tài)人體參數(shù)和走路幅度的相關(guān)數(shù)據(jù)的方法。將人體自身的身高、步幅、頭頂?shù)窖档木嚯x、腰肢到兩腳之間的最大距離這些靜態(tài)形狀參數(shù)構(gòu)成的四維特征向量作為步態(tài)特征。對每一個步態(tài)序列只考慮兩腳之間的距離達(dá)到最大時的四維特征矢量，序列中所有的特征矢量構(gòu)造一個高斯模型，利用最大似然估計進(jìn)行步態(tài)的分類識別［4］。A.Kale等利用人的二值化圖像的側(cè)面輪廓寬度矢量作為步態(tài)特征，采用經(jīng)典的主分量分析算法進(jìn)行矢量的降維處理，最后利用時間規(guī)整技術(shù)計算序列之間的相似性進(jìn)行步態(tài)識別［5］。N.Cuntoor綜合利用多種特征的融合進(jìn)行步態(tài)識別的研究。具體包括人體高度與人手臂和腿運動的融合、人正面視角步態(tài)圖形與側(cè)面視角步態(tài)圖像的融合。融合策略使用最簡單的加和、乘積、最小值原理等。利用多特征融合方法取得了比單一特征稍高的識別率［6］。Nixon等對步態(tài)識別技術(shù)研究的新進(jìn)展進(jìn)行了總結(jié)并且對步態(tài)識別的前景進(jìn)行了預(yù)測和分析［7］。Cunado.D等將大腿和小腿建立為鏈接的鐘擺模型，并從其與垂直方向之間的夾角信號中獲得步態(tài)特征［8］。

國內(nèi)的一些學(xué)者也在此領(lǐng)域做了一定的研究工作。我國關(guān)于步態(tài)識別的研究起步較晚，但一些大學(xué)和科研機(jī)構(gòu)在步態(tài)識別方面取得一定的成果，其中居于領(lǐng)軍地位的是由歸國博士譚鐵牛所領(lǐng)導(dǎo)的中科院自動化所。其中王亮和胡衛(wèi)明提出了基于統(tǒng)計主元分析的方法，其研究文章被國外的許多研究機(jī)構(gòu)所引用［9－11］。

但目前的步態(tài)識別手段仍存在一定的缺陷，主要問題是識別率較低。針對此問題，本文提出了一種基于能量圖匹配的步態(tài)識別方法。應(yīng)用背景建模提取步態(tài)目標(biāo)之后，獲取能量圖，運用模板匹配方法得到目標(biāo)識別結(jié)果。

1 步態(tài)目標(biāo)提取

步態(tài)目標(biāo)提取是步態(tài)目標(biāo)識別方法中的重要步驟，它是指從視頻或者圖像序列中提取完整人體目標(biāo)的過程。由于步態(tài)識別中可能需要用到人體目標(biāo)中的各個部分的運動特點作為識別依據(jù)，因此，能夠準(zhǔn)確、完整的提取出步態(tài)目標(biāo)就成為步態(tài)識別能否成功的關(guān)鍵。

目前的步態(tài)目標(biāo)提取一般是在靜態(tài)背景下完成的，采用的目標(biāo)提取方法包括兩種:背景建模和前后幀差影。

1.1 背景建模

背景建模方法是運用序列圖像中所有圖像的信息，采用平均法重建無目標(biāo)背景的一種方法。假定I={I1，I2，…，In}代表整個圖像序列，Ik，k=1，2，…，n代表序列圖像中的某幀，n為幀數(shù)，則背景建模所采用的方法可以表示為

其中:B(i，j)為建模之后的背景中的像素點，(i，j)為像素點坐標(biāo)，其取值范圍為圖像大小。

建模之后的背景用來作為目標(biāo)提取的依據(jù)，其提取過程可以表示如下:

其中:M(i，j)為目標(biāo)提取之后的圖像中的像素點值。但針對一般圖像數(shù)據(jù)，M(i，j)的取值可能是0－255中的任意值，因此運用此法得到的目標(biāo)圖像并非目標(biāo)特征提取過程中所需要的二值圖像，而是灰度圖。將灰度圖轉(zhuǎn)化為二值圖像，需要進(jìn)行圖像二值分割。

圖像M(i，j)像素構(gòu)成簡單，大部分不為零的像素集中在目標(biāo)部分，則可以運用簡單的二值分割得到目標(biāo)，即

公式(3)中的M'(i，j)為二值化之后的圖像像素點值，ε為分割閾值。

二值化之后的圖像往往存在噪聲，仍不能滿足目標(biāo)特征提取和識別的要求，需要運用形態(tài)學(xué)濾波進(jìn)行處理，濾波過程如下:

公式中的M″為形態(tài)學(xué)濾波之后的圖像，“?！睘樾螒B(tài)學(xué)“開啟”操作，“·”為形態(tài)學(xué)“閉合”操作，P為形態(tài)學(xué)算子。

完成以上流程之后，目標(biāo)被從靜態(tài)背景下的序列圖像中成功提取。

2 能量圖

能量圖法是一種步態(tài)目標(biāo)特征提取方法。其過程主要應(yīng)用了對目標(biāo)序列圖像的平均方法。如果目標(biāo)圖像序列中包含的幀數(shù)足夠多，在平均之后的能量圖中，能夠充分體現(xiàn)目標(biāo)在運動過程中身體各個部位的運動部位特點。

能量圖的獲取過程可以描述為如下過程:

其中:Q(i，j)為計算之后的能量圖中像素點值。能量圖求取結(jié)果如圖1所示。

圖1 能量圖計算結(jié)果。

從圖1可以看出，能量圖為灰度圖像，它幾乎包含了由0至255之間的所有像素值，它體現(xiàn)的是人體目標(biāo)在運動過程中身體各個部位的運動范圍、幅度以及身體主要姿態(tài)等信息。它對一個人在正常行走過程中的特點有較好的體現(xiàn)。

3 目標(biāo)識別與實驗分析

3.1 目標(biāo)識別

步態(tài)識別中，根據(jù)所求得的能量圖，在識別目標(biāo)身份的過程稱為目標(biāo)識別。其整個識別過程表示如下:

目標(biāo)識別中運用的法則眾多，主要應(yīng)用的有歐氏距離法、模板匹配法等。歐氏距離法可表示為

圖2 步態(tài)目標(biāo)識別流程圖

其中:W和H分別表示能量圖的寬度和高度，M″1(i，j)表示步態(tài)庫中的某目標(biāo)能量圖，M″2(i，j)表示當(dāng)前目標(biāo)能量圖。歐氏距離法計算的相似度R其取值范圍較大，不宜作為本文應(yīng)用的相似度計算方法。

模板匹配法可表示為

模板匹配法實際上是運用兩組數(shù)據(jù)之間的協(xié)方差計算數(shù)據(jù)間相似性的方法，它被廣泛應(yīng)用于各種模式識別過程中，是一種簡便有效的方法。本文采用此方法進(jìn)行步態(tài)目標(biāo)識別。

3.2 實驗與分析

本文采用的實驗素材取于步態(tài)數(shù)據(jù)庫MITAI，是建立于2001年的室內(nèi)步態(tài)數(shù)據(jù)庫。實驗步驟遵循圖2所示的流程，部分實驗結(jié)果見表1。

表中列出了數(shù)據(jù)庫中獲取的5組序列圖像并進(jìn)行了目標(biāo)提取，以此作為識別的模板，根據(jù)模板序列圖像計算出了相應(yīng)的能量圖。還列出了一組隸屬于模板3的其他序列圖像，也進(jìn)行了相同的操作。根據(jù)文中給出的模板匹配方法進(jìn)行了相似度計算，其結(jié)果見表中的“R”列?？梢钥闯?，目標(biāo)圖像能量圖與模板3序列圖像的能量圖具有較大的相似性，此結(jié)果與事實相符。

實驗中還對比了其他50組步態(tài)目標(biāo)，識別結(jié)果的準(zhǔn)確率達(dá)到了98%。

表1 基于能量圖的步態(tài)目標(biāo)識別實驗

4 結(jié)論

本文針對一種新興的生物特征識別技術(shù)，步態(tài)識別展開研究，旨在提高步態(tài)識別率。首先，運用各幀圖像平均的手段，即背景建模法建立背景模型并提取人體運動目標(biāo);之后，采用了形態(tài)學(xué)濾波器優(yōu)化目標(biāo)提取的結(jié)果，去除了二值圖像中殘留的噪聲;然后，采用求各幀均值的方法獲取整個圖像序列的能量圖;最終，討論了模板匹配法在識別過程中的應(yīng)用。采用MITAI步態(tài)數(shù)據(jù)庫作為實驗對象進(jìn)行實驗，證明了本文方法的效果。

［1］吳杰.基于人體步態(tài)輪廓的步態(tài)識別關(guān)鍵技術(shù)研究［D］.合肥:合肥工業(yè)大學(xué)，2008.

［2］傅春燕.步態(tài)識別中的目標(biāo)輪廓提取和特征維數(shù)約減研究［D］.重慶:重慶大學(xué)，2008.

［3］D.Tolliver and R.Collins，Gait shape estimation for identification［C］，International Conference on Audio-and Video-based Biometric Per-son Authentication，2003:734－742.

［4］Johnson，Bobick.A Multi-viewed Method for Gait Recognition Using Static Body Parameters［C］，In 3rd International Conference on Audioand Video-based Biometrics Person Authentication，2001:301－311.

［5］A.Kale，N.Cuntoor，B.Yegnanarayana，A.N.Rajagopalan，R.Chellappa.Gait Analysis for Human Identification［C］，International Conference on Audio-and Video-based Biometric Person Authentication，2003:706－714.

［6］N.Cuntoor，Amit Kale，Rame Chellappa.Combining Multiple Evidence for Gait Recognition［C］.IEEE International Conference on Acoustics，Speech and Signal Processing，2003:575－562.

［7］Nixon.M.S.，Carter.J.，N.Shutler，J.N.Grant.New Advance in Automatic Gait Recognition［J］.Elesvier Information Security Technical Report.2003，7(4):23－35.

［8］Cunado.D，Nixon，M.S and Carter J.N，Automatic Extraction and Description of Human Gait Models for Recognition Purpose［J］，Computer Vision and Imagine Understanding，2003，90(1):1－41.

［9］王亮，胡衛(wèi)明，譚鐵牛.基于步態(tài)的身份識別［J］.計算機(jī)學(xué)報，2003，26(3):353－360.

［10］Liang Wang，Huazhong Ning，Weiming Hu and Tieniu Tan.Gait Recognition Based on Procrustes Shape Analysis［J］.IEEE International Conference on Image Processing(ICIP).Rochester，New York，September，2002:22－25.

［11］Liang Wang，Tieniu Tan，Huangzhong Ning and Weiming Hu.Fusion of Static and Dynamic Body Biometrics for Gait Recognition［J］.IEEE Transactions on Circuits and Systems for Video Technology，2004:149－158.