基于特征融合的步态识别的分析-生物医学工程专业毕业论文.docx

第一章绪 [1]是依据生物所固有的生理结构特性和运动特性,提取生物在某段时间或者某段区域具有某种规律变化的特征,然后根据这些特征进行身份验证。通常,生物的生理结构特征(如指纹、虹膜和表情纹理等)是不随人的年龄的增长而改变的,它不会因时间的变化而变化,或者变化非常微妙;而生物的运动特性会因时间的变化而发生变化,将之归结为后天性的(如步态、声音模式等)。从人脸识别、指纹识别及虹膜识别等的发展形势可知,生物特征技术的发展是跳跃式的,它在产、学、研、管各方面的应用受到该领域研究者们和爱好者的热切关注。生物特征技术的发展已经深入到我们生活中,如公司考勤,已由早期的签字逐渐由指纹考勤机等所取代;又如国家安全系统的应用,特别是自””事件后,各国已经将生物特征识别技术应用于国家安全系统提高到了新的高度,2003年6月,国际民航组织将生物特征(虹膜识别、指纹识别等)加入到个人护照中,并用于过境时的个人身份识别,这一规划在2004年底在各个国家陆续实施。这一规划说明,生物特征技术的应用已经开始进入了一个成熟阶段。步态识别作为生物特征技术的一个新兴子领域,它是依据人走路的姿势提取步态特征[2]进行个人的身份验证。步态识别具有其他生物特征识别技术(如指纹识别等)所不具有的特点:1)非接触性:步态识别不需要被识别个体接触识别设备;2)难以掩蔽性[3]:步态因具有其独特的特性而不易伪装;若刻意伪装,则反而更容易被察觉;3)远距离性:进入监控领域的步态,有可能某些部位(如脸部)被隐藏或者分辨率太低不容易识别,但是人的运动步态是显而易见的。步态识别技术涉及到了计算机视觉及模式识别等多项技术领域,由于其所具有其他生物特征所不具有的特点和优势,在安全监控、医疗诊断、人机接口等方面应用前景广阔。因此,国内外众多研究者热情致力于步态识别研究,并逐渐将步态识别技术推向生物信息领域的前沿。,人们对步态的研究也只是出于好奇。随着对步态识别研究的深入以及相关技术的发展,步态识别越来越受到各国研究者的关注。这些年来,国内外许多知名大学和研究机构,如英国南安普顿大学(Soton)[4]、美国麻省理工学院(MIT)[5]、卡耐基-梅隆大学[6]等对计算机视觉的步态识别方法展开了大量的研究取得了大量的成果。。它的识别过程主要包括3个部分:步态轮廓提取、步态特征提取和分类器设计。其中步态特征提取在整个过程中起到了承上启下的作用。因此,步态识别整个工程的成败很大程度上取决于步态特征的选取。有效而可靠的步态特征代表了步态运动过程的全部时空特性,而验证步态特征的有效且可靠的方法也是十分重要的。因此,研究步态的关键是步态信息的描述(即步态特征的提取)和验证步态特征准确性的方法(即分类器的设计)。文章将国内外现有的一些步态特征提取方法和步态识别算法总结如下:,提取步态特征的方式方法有很多,本文将这些特征大致归纳为几何特征和代数特征。所谓几何特征,它是以步态轮廓为研究对象,直接提取步态轮廓的特征或者局部特征。提取步态特征采用不同的方式,几何特征又可以划分为步态的非模型化特征和模型化特征。(1)非模型化特征是以整个轮廓为研究对象,通过分析轮廓的变化,提取步态轮廓的特征或者局部具有某一规律的特征。主要有:王亮等[7]首先提取步态前景图像并将其进行二值化处理,然后计算轮廓中心到轮廓边界的距离,最后将这些边界的距离作为特征用于步态识别。耿磊等[8]以轮廓的某一部位为研究对象(即踝关节),提取踝关节的动态轨迹特征进行身份验证。AmitKale等[9]首先将前景图像进行二值化,然后提取步态侧面外轮廓作为步态特征用于步态识别。Yoo等[10]根据人的生理结构特性,分别提取头、脖颈、膝盖和脚踝的位置,然后连结各个关节点组成线段,计算各线段相对于垂直方向的摆动角度作为步态特征并用于步态分类识别。Cunado等[11]以大腿和小腿为研究对象,将大腿和小腿的运动形象的近似于钟摆模型,并提取大腿和小腿相对于竖直方向的倾斜角度特征用于识别。非模型化特征针对步态的动态性,所提取的步态特征比较明显的反映了步态的动态特性,其包含了步态在运动变化中所具有的动态信息,正因为步态的动态性,也给本文研究步态的准周期性提供了好的依据。(2)模型化特征同样以整个人体为研究对象,它是根据人体的构造特性将人体进行划分为各个小区域,然后将这些小区域建立相应的模型,提取模型的参数作为特征用于步态识别。主要参考文献有:Lee等[12]根据人的生理结构特性将人体分为七个部分,每一个部分分别用七个椭圆来描述,然后提取每个椭圆的长轴、短轴等四个特征,这样就可以得到每个步