● 摘要
步态识别是计算机视觉与模式识别领域一个活跃的研究方向。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，受视角变化、遮挡等因素的影响很大。本文围绕步态识别技术的性能和鲁棒性等问题进行了深入的研究，为基于步态的属性分类和身份识别提出了新的解决方案，在具体应用中取得了良好的实验结果，主要工作包括：基于步态的属性分类提出了一种基于混合条件随机场的步态建模方法，实验证明该方法对于步态性别分类应用是有效且准确的。提出了混合条件随机场模型，建立了不同性别的步态特征序列的关系，提高了性别分类的正确率。在步态特征方面，提出了一种可快速提取的多尺度形状特征，能够简洁且有效地表征行人的步态。在步态状态方面，为了突出步态周期中男性和女性在不同时间阶段的差异，提出了用局部线性嵌入系数表示步态特征的周期性变化，并用聚类方法对步态状态进行了提取。混合条件随机场模型对上述步态特征和状态进行了有效建模。实验结果表明，提出的方法在基于步态的性别分类实验中达到了高于现有同类方法的正确率。提出了一种基于多视角步态的层次化属性分类方法，实验证明该方法对衣着背包等遮挡具有鲁棒性。通过使用Gabor滤波对实心轮廓图在不同方向和尺度进行增强，并结合基于最大化互信息量的监督学习方法，提出了一种利于分类的步态特征。采用隐马尔可夫模型对该特征的周期性变化进行了建模和分类，在性别分类和年龄分类的实验中获得了良好的正确率。另外，还讨论了多视角问题，提出了先估计视角再估计属性的层次化分类方法。实验结果表明，提出的方法对衣着和背包等遮挡具有很好的鲁棒性，并在基于多视角步态的属性分类中取得了良好的正确率。提出了一种基于周期特性的步态特征，实现了步态的快速表征和有效分类。从步态的周期特性出发，提出了步态主成份图特征，该特征具有计算复杂度低、对时序变化的表征能力强等优点。根据局部线性嵌入系数序列的自相关性，提出了一种步态周期的提取方法，进一步保证了步态主成份图特征的有效性。实验结果表明，相比于现有同类方法，提出的方法能够更加准确地提取步态周期，并在基于步态的性别分类实验取得了更好的正确率。基于单视角步态的身份识别提出了基于步态在线建模的行人检测、跟踪和识别的统一框架，在室内外步态数据库的实验中都取得了良好的准确率。提出了增量隐马尔可夫模型，对步态运动过程进行了在线建模。提出了增量混合高斯回归模型，对行人在图像序列中的位置变化进行了在线学习和预测。通过这两个统计学模型将行人检测、跟踪和识别三者有机结合起来，构建了在线模型更新和跟踪识别的框架。针对传统的实心轮廓图特征在提取过程中限制较多的问题，在框架中使用了光流局部二值模式特征作为步态特征。所提出框架的优点是对于行人的检测、跟踪和识别使用了同样的统计学模型。实验结果表明，提出的方法在室内外步态数据库的行人检测、跟踪和识别实验中都取得了良好的正确率。基于多视角步态的身份识别提出了一种多视角多状态投影模型，提高了基于多视角步态的身份识别正确率。为了融合多视角下多时相的步态表象以提高识别率，提出了一种多视角多状态投影模型。训练过程包括不同视角下步态序列的时间同步，多视角下的状态建模和提取，以及表象、状态、视角和身份之间投影关系的建立。对于给定任意个视角下任意长度的步态特征序列，通过训练出的投影模型向身份维度进行投影，能够得到视角无关的身份向量。实验结果表明，提出的方法在基于多视角步态的身份识别实验中达到了高于现有同类方法的正确率。