题目：监控场景下步态识别算法研究

 

步态识别是计算机视觉与模式识别领域中的一个很活跃的研究方向。步态即人在 行走时所表现的姿态。通过对步态的分析，可以对行人的身份、性别、年龄等进行识 别。与其他生物特征相比，步态具有可远距离获取、非接触性和非侵犯性、难以伪装 模仿或隐藏、无需特别配合及接触识别设备、对图像分辨率要求低等优点。因此，自 动的步态识别系统在安全监控、法律取证、访问控制、人机交互等方面都有广阔的应 用前景。近年来，随着视频采集设备的发展，越来越多的人关注步态识别技术的研究 和应用。 目前，步态识别已经有了一些基础性的研究工作，但是现有算法远未成熟，缺乏 实用性。目前主流的研究方法是基于轮廓图的，会受到衣着、背包、发型等外形因素 的严重影响。为了解决单视角下的外形改变从而影响身份识别的问题，本论文研究了 监控场景下的跨衣着类型的步态识别方法，主要工作和创新点如下：
1、提出了一种基于有效二维结构特征（命名为骨架特征）的步态识别方法

骨架特征采用了 15 活动关节点模型，有效地减少了衣着、背包、发型等因素对于 人体身份识别的干扰，能够较为充分地表示人体步态特征，而且相对容易获取
2、结合人体的步态运动特性，改进了一种人体姿态估计方法

这些改进策略利用了人体步态的一些先验知识，有效地改善了人体姿态估计的时 间复杂度和估计结果
3、提出了一个基于高斯混合模型和隐马尔科夫模型的时序模型和身份识别框架， 并结合了增量学习方法

该时序建模框架是特征独立的，并且充分考虑了监控场景下的复杂因素，具有很 高的鲁棒性

上述三个方面的工作提高了步态识别在智能视频监控场景下应用的可行性。