● 摘要
步态识别技术是近几年来研究的热点。它是第二代生物识别认证技术，主要是根据人行走之时的动态特征来识别人的身份。和其他的生物认证技术相比，其具有很多的优点，如唯一的远距离识别技术、非侵犯性和难以隐藏。 本文在参阅国内外大量文献的基础之上，对步态识别的各个模块设计了相关算法。这些模块包括：运动区域检测，特征提取，特征分析和特征分类。 在运动区域检测模块，采用简单背景减除方法和混合高斯法来提取前景区域，并对其进行了形态学处理，以消除噪声孤点和轮廓空洞。 在特征提取模块，主要基于两类特征进行步态识别。首先是以轮廓几何特征作为参数来进行步态识别，本文引入了紧致度、矩形度和伸展度等新型的几何特征用于步态识别，实验结果显示：单个特征的识别率不高，但如果把它们融合起来，就能够达到较高的识别率，这说明了特征融合优越性。同时，本文提出了一种最优轴投影的方法来提取步态特征，其在SOTON数据库上达到了100%的识别率。 在特征分析模块，分别基于PCA和PCA+CST对最优轴投影提取的特征进行了分析，其基于PCA+CST在SOTON数据库上的实验结果保持了100%的识别率。同时引进了NMF(Non-negative Matrix Factorization)方法，对王亮和Kale所提出的特征进行了分析，其结果显示：NMF方法的识别率要高于传统的PCA方法，和PCA+CST方法的识别率基本相当。 在特征分类模块，主要基于DTW（Dynamic Time Wrapping）算法和HMM(Hidden Markov Model)算法对提出的特征进行了分类。实验结果显示：DTW算法的识别率较高，但是所用的数据量要远大于HMM算法所需要的数据量。HMM算法是基于统计的算法，其性能随着训练样本的增加而提高。并且HMM考虑到了步态状态之间的转移，所以更加合理。 最后，本文还尝试了多角度步态识别。