201507

Computer Engineering and Applications 计 算 机 工 程 与 应 用 2015,51(7) 169 基 于 列 质 量 向 量 和 SVM 的 步 态 识 别 王 开 杰, 杨 天 奇 WANG Kaijie, YANG Tianqi 暨 南 大 学 信 息 科 学 技 术 学 院, 广 州 510632 College of Information Science and Technology, Jinan University, Guangzhou 510632, China WANG Kaijie, YANG Tianqi. Gait recognition method based on column mass vector and support vector machine. Computer Engineering and Applications, 2015, 51(7):169-173. Abstract:Gait recognition is based on the walk way to identity, with its unique advantages as a means of identification. In order to improve the gait recognition rate, this paper presents a novel approach for gait recognition based on column mass vector of body contour as feature, with support vector machine together effectively. According to the height and width of body contour to calculate gait cycle, it extractes column mass of body contour, finally, using support vector machine for classification. To verify the effectiveness, a lot of experiments have been performed in the CASIA gait database. Experimental verification of proposed method has higher recognition rate. Key words:column mass vector; aspect ratio; gait cycle; support vector machine; gait recognition 摘 要 : 步 态 识 别 是 根 据 人 行 走 的 方 式 来 识 别 其 身 份, 以 其 特 有 的 优 势 作 为 一 种 身 份 识 别 手 段 为 了 提 高 步 态 的 识 别 率, 提 出 了 一 种 新 方 法, 使 用 人 体 轮 廓 列 质 量 向 量 表 征 特 征 信 息, 并 使 用 支 持 向 量 机 进 行 识 别 根 据 人 体 轮 廓 的 高 度 和 宽 度 计 算 出 步 态 周 期, 提 取 每 个 步 态 轮 廓 列 质 量 向 量, 最 后 采 用 支 持 向 量 机 进 行 分 类 识 别 为 了 验 证 所 提 出 方 法 的 有 效 性, 在 CASIA 步 态 数 据 库 上 进 行 了 充 足 的 实 验, 验 证 了 该 方 法 具 有 较 高 的 识 别 率 关 键 词 : 列 质 量 向 量 ; 宽 高 比 ; 步 态 周 期 ; 支 持 向 量 机 ; 步 态 识 别 文 献 标 志 码 :A 中 图 分 类 号 :TP391 doi:10.3778/j.issn.1002-8331.1404-0418 1 引 言 步 态 识 别 是 一 种 新 颖 的 生 物 特 征 识 别 技 术, 利 用 人 类 行 走 的 方 式 识 别 每 个 个 体 与 指 纹 识 别 人 脸 识 别 虹 膜 识 别 等 生 物 识 别 特 征 相 比, 具 有 远 距 离 非 接 触 难 [1] 伪 装 难 隐 藏 的 特 点, 并 且 对 视 频 质 量 要 求 不 高, 近 些 年 来 引 起 了 国 内 外 越 来 越 多 学 者 的 关 注 它 在 视 觉 监 控 门 禁 系 统 医 疗 诊 断 等 方 面 有 广 泛 的 应 用 前 景 和 经 济 价 值 步 态 识 别 最 早 来 自 于 医 学 心 理 学 方 面 的 研 究 伴 随 着 生 物 识 别 技 术 的 兴 起 和 计 算 机 运 算 的 发 展, 步 态 识 别 在 生 物 识 别 领 域 逐 步 得 到 发 展 和 认 可 1994 年, Niyogi 和 Adelson [2] 等 提 出 利 用 步 态 特 征 进 行 识 别 身 份 的 方 法 随 后 步 态 识 别 得 到 快 速 的 发 展, 提 出 大 量 的 研 究 步 态 的 方 法, 取 得 了 一 系 列 研 究 成 果 步 态 识 别 的 算 法 大 致 非 为 两 类 : 基 于 模 型 和 非 模 型 的 方 法 基 于 模 型 的 方 法 依 据 人 体 的 生 理 特 征 对 人 体 进 行 建 模, 将 这 些 特 征 作 为 步 态 特 征 进 行 分 类, 如 Cunado [3] 等 的 钟 摆 模 型 Lee [4] 等 的 椭 圆 模 型 Yoo [5] 等 的 摆 角 模 型 HaipingLu [6] 等 的 全 身 分 层 可 变 形 模 型 Urtasun [7] 等 的 3D 人 体 运 动 模 型 基 于 非 模 型 的 方 法 主 要 是 根 据 人 体 目 标 移 动 时, 所 产 生 时 空 模 式 的 各 类 统 计 值 来 提 取 特 征, 如 Kale [8] 等 人 以 体 轮 廓 宽 度 作 为 特 征,Yang [9] 等 提 出 步 态 能 量 图 算 法, Sarkar [10] 等 利 用 侧 影 序 列 作 为 特 征 本 文 主 要 进 行 了 以 下 研 究 工 作 : 选 择 列 质 量 向 量 作 为 步 态 特 征 基 于 支 持 向 量 机 (SVM) 识 别 方 法 其 优 点 主 要 有 : [11] (1) 横 向 量 虽 然 考 虑 到 人 体 每 个 部 分 周 期 性 的 变 化, 但 步 态 是 人 体 各 个 部 分 协 调 运 作 的 结 果 横 向 量 没 基 金 项 目 : 广 州 市 科 技 计 划 项 目 (No.2014J4100107) 作 者 简 介 : 王 开 杰 (1988 ), 男, 硕 士 研 究 生, 主 要 研 究 方 向 为 模 式 识 别 ; 杨 天 奇 (1965 ), 男, 博 士, 教 授, 主 要 研 究 领 域 为 人 工 智 能 E-mail:chinajie1314@qq.com 收 稿 日 期 :2014-04-28 修 回 日 期 :2014-07-11 文 章 编 号 :1002-8331(2015)07-0169-05 CNKI 网 络 优 先 出 版 :2014-09-15, http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1404-0418.html

170 2015,51(7) Computer Engineering and Applications 计 算 机 工 程 与 应 用 有 考 虑 各 个 部 分 协 调 关 系, 而 列 质 量 向 量 通 过 对 人 体 区 域 进 行 纵 向 分 割, 使 得 在 行 走 过 程 中 各 个 部 分 的 协 调 运 动 反 映 在 列 向 量 周 期 变 化 之 中 (2) 充 分 考 虑 手 臂 摆 动 的 信 息, 使 特 征 具 有 更 强 的 区 分 能 力 (3) 通 过 平 均 的 方 法 可 减 少 因 背 景 减 除 等 预 处 理 方 法 而 引 起 的 偶 然 误 差, 而 且 保 留 了 本 质 的 步 态 特 征 (4) 列 向 量 可 对 背 包 类 携 带 物 引 起 的 人 体 区 域 的 扩 展 具 有 很 强 的 区 分 能 力, 该 类 携 带 物 的 列 向 量 不 会 随 行 走 过 程 产 生 周 期 改 变, 更 易 于 提 取 和 识 别 2 特 征 提 取 和 识 别 步 态 识 别 就 是 对 人 体 运 动 系 列 进 行 分 析 处 理 识 别, 主 要 包 括 预 处 理 步 态 周 期 检 测 特 征 提 取 和 分 类 识 别 4 个 过 程 2.1 预 处 理 提 取 步 态 特 征 之 前 需 要 做 一 些 预 处 理 工 作, 方 便 提 取 步 态 特 征 通 常 对 步 态 图 像 序 列 使 用 背 景 分 离 空 洞 检 测 和 去 除 噪 声 等 预 处 理 动 作 预 处 理 结 果 的 好 坏 直 接 影 响 到 识 别 效 果, 因 此 需 要 选 择 合 适 的 预 处 理 方 法 常 见 的 步 态 轮 廓 提 取 方 法 有 帧 间 差 分 法 背 景 减 除 法 光 流 法 等 由 于 步 态 数 据 库 背 景 通 常 是 静 止 的, 背 景 减 除 法 可 以 获 得 很 好 的 分 割 效 果, 因 此 采 用 此 方 法 背 景 减 除 法 的 关 键 是 背 景 建 模, 常 用 的 背 景 建 模 有 中 值 滤 波 法 均 值 滤 波 法 邻 帧 差 法 最 小 方 差 均 值 法 等 创 建 背 景 图 像 之 后, 使 用 当 前 图 像 与 背 景 图 像 相 减, 根 据 选 定 的 方 法 即 可 提 取 人 体 轮 廓, 得 到 人 体 轮 廓 图 像 提 取 步 态 轮 廓 的 过 程, 基 本 的 方 法 参 照 文 献 [12] 使 用 的 背 景 减 除 法 来 提 取 人 体 步 态 侧 影 得 到 步 态 轮 廓 提 取 之 后, 在 轮 廓 图 片 中 会 出 现 一 些 阴 影 常 见 的 阴 影 检 测 与 消 除 方 法 : 通 过 像 素 点 的 颜 色 属 性 或 建 立 模 型 来 检 测 和 消 除 阴 影 ; 然 后 利 用 形 态 学 算 法 消 除 小 噪 声 ; 最 后 对 图 像 作 连 通 性 分 析, 选 择 像 素 点 最 多 的 连 通 域 作 为 人 体 目 标 区 域 2.2 步 态 周 期 步 态 的 视 频 往 往 包 括 人 体 的 多 个 走 路, 并 且 分 析 可 知 具 有 一 定 的 周 期 性 若 能 发 现 和 识 别, 就 能 减 少 运 算 量 和 时 间 的 开 销, 也 能 减 少 一 些 误 差 通 常 一 个 步 态 周 期 由 两 步 构 成, 可 以 定 义 为 一 条 腿 向 前 跨 出 最 远 的 位 置 到 下 次 一 条 腿 向 前 跨 出 最 远 的 位 置 所 需 要 的 时 间 常 [8] 见 的 周 期 检 测 方 法 有 :Kale 等 人 使 用 人 体 宽 度 向 量 的 [10] 泛 数 的 变 化 曲 线 ;Sarkar 等 人 使 用 人 体 的 下 半 身 部 分 像 素 点 的 数 目 大 小 随 时 间 变 化 的 曲 线 ;Wang Liang 等 [12] 人 使 用 大 腿 角 度 的 变 化 提 取 周 期 通 过 分 析 人 体 运 动 轮 廓 的 高 度 和 宽 度 信 息 来 实 现 步 态 周 期 检 测 从 人 体 侧 面 步 态 序 列 看 出, 人 在 走 路 过 程 中, 人 的 走 路 方 式 呈 现 一 定 的 周 期 规 律, 即 轮 廓 宽 度 从 最 大 值 变 成 最 小 值 再 到 最 大 值 这 样 的 周 期 变 化, 同 时 人 体 的 高 度 变 化 不 明 显 对 人 体 轮 廓 进 行 分 析 容 易 识 别 人 体 最 小 外 接 矩 阵 从 中 提 取 出 人 体 的 宽 度 和 高 度, 得 到 宽 高 比 如 公 式 (1) 所 示, 利 用 宽 高 比 的 周 期 变 化 分 析 人 体 运 动 中 的 步 态 周 期 宽 高 比 = 侧 影 的 宽 度 侧 影 的 高 度 (1) 然 后 在 步 态 序 列 中 根 据 宽 高 比 提 取 轮 廓 周 期, 如 图 1 所 示 由 于 左 脚 在 前 和 右 脚 在 前 对 称, 实 际 中 只 需 要 计 算 半 个 周 期, 即 从 一 个 最 大 值 到 下 一 个 最 大 值, 记 为 一 个 周 期 根 据 图 1, 所 得 周 期 范 围 为 (t i t j ), 步 态 的 周 期 T = t j - t i 宽 高 比 2.3 列 质 量 向 量 特 征 提 取 识 别 的 关 键 在 于 提 取 有 效 描 述 步 态 的 特 征 步 态 特 征 提 取 与 识 别 方 法 可 以 分 为 基 于 模 型 的 方 法 与 无 模 型 方 法 两 种, 前 面 引 言 部 分 已 经 对 基 于 这 两 大 类 方 法 的 国 内 外 研 究 成 果 作 了 简 单 的 介 绍 对 于 无 模 型 方 法, 步 态 特 征 提 取 与 识 别 方 法, 并 不 需 要 建 立 模 型, 只 需 要 通 过 对 图 像 序 列 中 运 动 人 体 生 成 的 时 空 模 式 做 统 计 分 析, 从 中 观 察 到 步 态 特 性 并 从 中 对 步 态 进 行 特 征 提 取 和 识 别 基 于 无 模 型 的 步 态 特 征 提 取 与 识 别 的 方 法 有 很 多 本 文 提 出 一 种 新 的 使 用 人 体 轮 廓 列 质 量 向 量 作 为 步 态 特 征 的 步 态 识 别 方 法 其 中 质 量 列 向 量 可 以 表 示 为 : M (t) =[m 1 (t) m 2 (t) m w (t)]î R w (2) t 2 其 中 m w (t) = 1 T å t = t 1 å w I(x y t) ;I(x y t) 表 示 t 帧 二 值 化 人 体 轮 廓 在 坐 标 (x y) 上 的 值 (0 or 1), 周 期 范 围 为 (t 1 t 2 ), 步 态 的 周 期 为 T 程 如 下 : 对 步 态 图 片 序 列 提 取 人 体 轮 廓 列 质 量 向 量 步 骤 过 (1) 首 先 从 图 像 序 列 中 求 出 步 态 周 期, 假 设 I m (m = 1 2 n) 表 示 一 个 含 有 n 帧 图 像 的 序 列, 根 据 上 节 所 说 的 宽 高 比 求 出 周 期, 从 中 选 取 一 个 周 期 范 围 (I 1 I 2 ), 步 态 的 周 期 T = I 2 - I 1 (2) 然 后 从 图 像 序 列 中 求 出 人 体 质 心, 质 心 公 式 如 式 (3): 0.65 0.60 0.55 0.50 0.45 0.40 0.35 0.30 0.25 0.20 0 5 10 15 20 25 30 35 40 45 50 图 像 帧 数 图 1 步 态 周 期

王 开 杰, 杨 天 奇 : 基 于 列 质 量 向 量 和 SVM 的 步 态 识 别 2015,51(7) 171 N N x c = 1 N å x k,y c = 1 k = 1 N å y k (3) k = 1 式 中 (x c,y c ) 为 质 心 坐 标,N 为 轮 廓 的 像 素 点 总 和,x k y k 分 别 为 第 k 个 点 的 横 纵 坐 标 (3) 其 次 依 次 求 出 周 期 内 第 i 张 序 列 图 片 的 列 质 量 向 量, 公 示 如 式 (4): m(i) =[m 1 (i) m 2 (i) m w (i)] (4) 式 中 m j (i) = å I(x y i) 表 示 表 示 j 1 列 的 和 其 中 以 质 j 1 心 为 列 质 量 向 量 中 心, 最 大 步 幅 时 步 态 宽 度 作 为 列 向 量 的 维 度 (4) 最 后 求 出 周 期 内 列 质 量 向 量 的 平 均 值 : M (t) =[m 1 (t) m 2 (t) m w (t)] (5) I 2 式 中 m i (t) = 1 T å t = I 1 平 均 值 2.4 SVM 分 类 识 别 m i (t) 表 示 周 期 内 向 量 第 i 个 元 素 和 的 支 持 向 量 机 是 以 统 计 学 习 理 论 为 基 础 的 一 种 新 型 机 器 学 习 方 法, 具 备 很 强 的 泛 化 能 力, 在 模 式 识 别 领 域 取 得 大 量 的 研 究 成 果 [13-14] 对 于 非 线 性 问 题, 将 低 维 输 入 空 间 中 的 数 据 通 过 非 线 性 函 数 映 射 到 高 维 属 性 空 间 ( 也 称 为 特 征 空 间 ), 将 分 类 问 题 转 化 到 特 征 空 间 进 行 SVM 进 行 模 式 分 类 的 计 算 如 公 式 (6) 所 示, 最 后 由 得 出 的 结 果 (+1 或 - 1) 来 决 定 类 别 分 类 f (x) = sgn ì í î n å i = 1 ü α * y K(x x) + i i i b* ýþ (6) 但 在 低 维 输 人 空 间 向 高 维 属 性 空 间 映 射 的 过 程 中, 由 于 空 间 维 数 急 速 增 长, 可 能 导 致 维 数 灾 难 问 题, 使 得 大 部 分 情 况 下 难 以 直 接 在 属 性 空 间 上 直 接 计 算 最 优 分 类 面 SVM 通 过 定 义 输 入 空 间 的 核 函 数 (Kernel Function), 核 函 数 计 算 高 维 空 间 中 的 公 式 : K(x i x j ) = φ(x i ) φ(x j ) φ:r n R D (7) 本 文 用 到 的 SVM 核 函 数 公 式 主 要 有 线 性 多 项 式 和 径 向 基 3 类 (1) 线 性 核 函 数 (Linear Kernel):K ( x y ) = x y (2) 多 项 式 核 函 数 (Polynomial Kernel):K(x y) = (x y + 1) d d = 1 2 (3) 径 向 基 核 函 数 (Radial Basis Function Kernel): K(x y) = exp æ ç è - x - y 2 ö 2σ 2 ø SVM 主 要 是 解 决 二 类 别 模 式 识 别 问 题, 但 步 态 识 别 是 一 个 多 类 模 式 识 别, 如 何 将 二 类 识 别 扩 展 到 多 类 识 别 是 SVM 的 技 术 难 点 之 一 本 文 采 用 一 对 多 方 法, 构 造 K 个 SVM 模 型, 对 于 第 i 个 SVM 模 型, 将 第 i 类 模 型 的 样 本 作 为 一 类 ( 正 类 ), 输 出 结 果 为 +1, 其 余 k - 1 类 样 本 作 为 另 一 类 ( 负 类 ), 输 出 结 果 为 -1 3 步 态 识 别 实 验 3.1 仿 真 实 验 本 文 采 用 了 中 国 科 学 学 院 自 动 化 (CASIA) 步 态 数 据 库 的 两 个 数 据 集 :Dataset A( 小 规 模 库 ) Dataset B ( 多 视 角 库 ) 实 验 都 是 在 Matlab 7.0 的 条 件 下 完 成 Dataset B 是 一 个 大 规 模 多 视 角 的 步 态 库, 共 有 124 个 人, 每 个 人 有 11 个 视 角 (0 18 36 180 ), 分 别 在 3 种 行 走 条 件 下 ( 普 通 条 件 穿 大 衣 挎 包 条 件 ) 采 集, 在 相 同 视 角 下, 每 个 人 在 普 通 条 件 下 有 6 个 图 像 序 列, 其 他 条 件 下 各 两 个 序 列, 每 个 视 频 序 列 包 含 2~3 个 步 态 周 期, 这 些 彩 色 视 频 序 列 的 帧 率 是 25 帧 /s, 图 像 像 素 为 320 240, 长 度 也 都 在 100 帧 左 右 3.1.1 步 态 列 质 量 向 量 提 取 提 取 测 试 样 本 中 人 体 轮 廓 的 列 质 量 向 量 如 图 2 所 示 为 预 处 理 之 后 的 人 体 轮 廓 图 像, 按 照 提 出 人 体 轮 廓 列 质 量 向 量 的 步 骤, 提 取 列 质 量 向 量 如 图 3 是 提 取 Dataset A 下 的 hy 对 应 的 列 质 量 向 量 点 图 如 图 4 是 Dataset A 下 的 fyc 和 hy 的 列 质 量 向 量 特 征 对 比 图,fyc 列 质 量 向 量 的 特 征 如 红 点 所 示, 是 hy 的 列 质 量 向 量 如 蓝 色 星 型 所 示 列 质 量 和 / 像 素 列 质 量 和 / 像 素 120 100 80 60 40 20 0 120 100 80 60 40 20 0 图 2 人 体 轮 廓 图 像 10 20 30 40 50 60 宽 度 / 像 素 图 3 列 质 量 向 量 图 hy fyc 10 20 30 40 50 60 宽 度 / 像 素 图 4 列 质 量 向 量 对 比

172 2015,51(7) Computer Engineering and Applications 计 算 机 工 程 与 应 用 3.1.2 SVM 的 分 类 识 别 为 了 评 价 分 类 结 果 引 入 正 确 分 类 率 CCR(Correct Classification Rate) 作 为 评 价 指 标 测 试 样 本 中, 将 测 试 样 本 T i 输 入 到 经 过 训 练 得 到 的 k 个 分 类 器, 如 果 C i 输 出 +1 且 唯 一, 其 他 全 输 出 为 -1, 本 次 识 别 出 C i, 正 确 分 类 率 CCR 定 义 如 下 : CCR = 识 别 正 确 的 样 本 数 T 总 测 试 样 本 数 N 100% (8) 实 验 1 采 用 CASIA 步 态 数 据 库 中 的 A 库, 库 中 有 20 人, 在 侧 面 即 90 视 角 下, 每 个 测 试 者 选 取 两 个 步 态 周 期, 得 到 40 个 步 态 数 据 样 本 训 练 和 测 试 从 每 个 测 试 者 的 两 个 步 态 周 期 随 机 选 取 其 中 的 一 个 作 为 训 练 样 本, 另 一 个 样 本 用 于 测 试, 训 练 集 和 测 试 集 共 有 20 个 人 按 照 前 面 的 方 法 分 别 提 取 样 本 中 人 体 轮 廓 的 列 质 量 向 量, 可 得 训 练 样 本 有 20 类, 记 为 M 1 0, 测 试 样 本 20 类, 记 为 M 1 ' ' 0 ' 分 别 采 取 线 性 核 函 数 多 项 式 核 函 数 和 径 向 基 核 函 数, 并 设 计 相 对 应 的 分 类 器 首 先 设 计 20 个 以 线 性 核 函 数 的 分 类 器 C i (i = 1 2 20), 每 个 C i 用 其 中 的 一 类 样 本 M i 作 为 正 样 本 进 行 训 练, 输 出 结 果 为 +1, 其 他 C i 作 负 样 本 进 行 训 练, 输 出 结 果 为 -1 这 样 就 把 20 个 分 类 器 C i 设 计 成 功 可 以 取 20 个 测 试 样 本, 通 过 设 计 好 的 分 类 器 对 步 态 样 本 M 1 ' ' 0 ' 进 行 模 式 识 别 计 算 测 试 样 本 通 过 SVM 分 类 器 C i 的 输 出, 判 断 该 测 试 样 本 属 于 哪 一 类, 从 而 识 别 出 步 态 同 理 设 计 以 多 项 式 核 函 数 和 径 向 基 核 函 数 分 类 器, 然 后 进 行 识 别 最 后 统 计 测 试 样 本 的 正 确 分 类 率, 如 表 1 所 示 实 验 2 采 用 CASIA 步 态 数 据 库 中 的 B 库, 该 库 总 共 124 人, 采 用 90 视 角 下, 选 取 普 通 条 件 下 每 个 视 角 选 取 一 个 图 像 序 列 作 为 训 练 样 本, 采 用 另 一 个 图 像 序 列 作 为 测 试 集, 分 别 通 过 3 种 内 核 函 数 ( 也 包 含 参 数 的 变 化 ) 的 SVM 对 步 态 样 本 M 1 M 124 进 行 模 式 识 别, 最 后 统 计 测 试 样 本 的 正 确 分 类 率, 如 表 1 所 示 实 验 3 选 用 CASIA 步 态 数 据 库 中 的 B 库, 测 试 集 为 90 视 角, 挎 包 条 件 下 每 个 视 角 选 取 一 个 图 像 序 列 作 为 训 练 样 本, 参 照 实 验 1 的 过 程, 分 别 通 过 3 种 内 核 函 数 ( 也 包 含 参 数 的 变 化 ) 的 SVM 对 步 态 样 本 M 1 M 124 进 行 识 别, 最 后 统 计 正 确 分 类 率, 如 表 1 所 示 内 核 函 数 实 验 1 实 验 2 实 验 3 文 献 [15] 表 1 SVM 算 法 正 确 识 别 率 % 线 性 80.00 81.45 78.23 84.00 q = 2 85.00 83.07 82.26 84.00 多 项 式 q = 3 85.00 85.48 84.68 86.00 q = 4 90.00 89.52 87.90 89.00 径 向 基 95.00 93.55 92.74 93.00 3.2 实 验 结 果 及 分 析 从 表 1 中 可 知, 实 验 1 的 正 确 分 类 率 在 80%~95% 之 间, 实 验 结 果 说 明 识 别 率 比 较 高 采 用 线 性 内 核 识 别 率 最 低, 采 用 径 向 基 内 核 时 SVM 的 正 确 识 别 率 最 高 实 验 2 的 正 确 分 类 率 在 81.45%~93.55% 之 间, 实 验 结 果 表 明 识 别 率 比 较 高 采 用 线 性 内 核 识 别 率 最 低, 采 用 径 向 基 内 核 时 SVM 的 正 确 识 别 率 最 高 实 验 3 的 结 果 所 示, 正 确 分 类 率 在 78.23%~92.74% 之 间, 实 验 结 果 表 明 识 别 率 还 是 比 较 高, 并 且 对 挎 包 不 敏 感, 鲁 棒 性 比 较 好 3.3 与 其 他 方 法 的 对 比 现 在 有 很 多 技 术 研 究 人 体 的 步 态 识 别 薛 召 军 等 [15] 人 采 用 基 本 类 似 的 方 法 来 根 据 人 们 的 运 动 识 别 个 体, 虽 然 也 使 用 了 CASIA 步 态 数 据 库 中 的 A 库, 运 用 到 相 同 的 拍 摄 环 境 和 图 片 序 列, 将 实 验 结 果 与 薛 召 君 等 人 的 方 法 进 行 对 比, 文 献 [15] 的 实 验 结 果 见 表 1 将 本 文 方 法 与 文 献 [16-18] 中 提 及 的 识 别 方 法 进 行 对 比, 如 表 2 所 示, 可 以 看 出 本 文 提 出 的 方 法 在 识 别 率 上 有 了 较 大 幅 度 的 提 高 原 因 在 于 基 于 列 质 量 向 量 反 映 了 人 的 整 体 信 息, 而 每 个 人 的 信 息 都 具 有 独 特 性 将 挎 包 情 形 与 文 献 [19-20] 的 识 别 方 法 进 行 对 比, 如 表 3 中 所 示, 识 别 率 仍 然 比 较 高 原 因 在 于 基 于 列 质 量 向 量 的 步 态 特 征 对 背 包 类 携 带 物 引 起 的 人 体 区 域 的 扩 展 具 有 很 强 的 区 分 能 力, 该 类 携 带 物 的 列 向 量 不 会 随 行 走 过 程 产 生 周 期 改 变, 更 易 于 提 取 和 识 别 4 结 束 语 表 2 表 3 提 出 了 一 种 利 用 人 体 轮 廓 列 质 量 向 量 来 表 征 人 的 步 态 特 征 信 息, 其 创 新 点 : 在 CASIA-B 库 的 步 态 识 别 正 确 分 类 率 ( 与 文 献 [16-18] 对 比 ) 方 法 类 型 [16] 傅 里 叶 变 换 GEI [17] LSDA [18] 本 文 方 法 方 法 类 型 [19] 多 特 征 融 合 方 法 [20] 动 态 部 位 特 征 本 文 方 法 角 度 /% 83.00 85.63 87.48 93.55 在 CASIA-B 库 的 步 态 识 别 正 确 分 类 率 ( 与 文 献 [19-20] 对 比 ) 角 度 /% 68.27 72.73 92.74 (1) 提 出 了 基 于 列 质 量 向 量 的 步 态 识 别 方 法, 该 方 法 体 现 步 态 整 体 特 性, 反 映 本 质 特 征, 对 背 包 类 携 带 物 引 起 的 人 体 区 域 的 扩 展 具 有 很 强 的 区 分 能 力 (2) 将 列 质 量 向 量 特 征 提 取 与 SVM 识 别 结 合 在 一 起, 利 用 SVM 使 用 一 对 其 余 的 方 法 来 模 式 识 别 不 同 样 本 在 中 科 院 自 动 化 研 究 所 的 CASIA 步 态 数 据 库 上 进

王 开 杰, 杨 天 奇 : 基 于 列 质 量 向 量 和 SVM 的 步 态 识 别 2015,51(7) 173 行 了 大 量 的 实 验 实 验 结 果 表 明, 列 质 量 向 量 特 征 提 取 和 SVM 识 别 结 合 取 得 了 较 高 的 识 别 率 参 考 文 献 : [1] Yang Xiaochao,Zhou Yue.Gait recognition based on dynamic region analysis[j].signal Processing,2008,88(9): 2350-2356. [2] Niyogi S A,Adelsone H.Analyzing and recognizing walking figures in XYT[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition,Seattle,USA,1994:469-474. [3] Cunado D,Nixon M,Cater J.Using gait as a biometric, via phase weighted magnitude spectra[c]//proc of International Conference on Audio and Video-based Biometric Person Authentication,Crans-Montana,Switzerland,1997: 95-102. [4] Lee L,Grimson W.Gait analysis for recognition and classification[c]//proceedings of the 5th IEEE International Conference on Automatic Face and Gesture Recognition,Washington,DC,USA,2002:148-155. [5] Yoo J H,Nixon M,Harrisc J.Extracting human gait signatures by body segment properties[c]//ieee Southwest Symposium on Image Analysis and Interpretation,Sante Fe, NM,2002:35-39. [6] Yang X,Zhou Y,Zhang T,et al.gabor phase based gait recognition[j].electronics Letters,2008,44(10):620-621. [7] Lu Haiping.A full-body layered deformable model for automatic model-based gait recognition[c]//proceedings of the 7th International Conference on Automatic Face and Gesture Recgnition,2-6 April,2006:249-254. [8] Urtasun R.3D tracking for gait characterization and recognition[c]//proceedings of the 6th IEEE International Conference on Automatic Face and Gesture Recognition, Seoul,Korea,2004:17-22. [9] Kale A,Sundaresan A,Rajagopalan A N,et al.identification of humans using gait[j].ieee Transactions on Image Processing,2004,13(9):1163-1173. [10] Sarkar S,Phillips P J,Liu Z,et al.human ID gait challenge problem:data sets,performance,and analysis[j]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(2):162-177. [11] Xiao Degui,Wang Lei.Gait recognition method based on weighted row mass vector[j].computer Engineering,2011, 37(11):215-217. [12] Wang Liang,Tan Tieniu,Ning Huazhong,et al.silhouette analysis-based gait recognition for human identification[j]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(12):1505-2528. [13] 许 国 根, 贾 瑛. 模 式 识 别 与 智 能 计 算 在 Matlab 实 验 [M]. 北 京 : 北 京 航 空 航 天 大 学 出 版 社,2012:125-136. [14] 李 文 书, 赵 悦. 数 字 图 像 处 理 算 法 及 应 用 [M]. 北 京 : 北 京 大 学 出 版 社,2012:314-337. [15] 薛 召 军, 李 佳. 基 于 支 持 向 量 机 的 步 态 识 别 新 方 法 [J]. 天 津 大 学 学 报,2007,40(1):78-82. [16] Liu Yanqiu,Wang Xu,Wang Yumei,et al.multi-view gait recognition using Fourier transform[j].computer Engineering and Applications,2012,48(6):169-170. [17] 顾 磊. 基 于 图 像 序 列 的 人 体 步 态 识 别 方 法 研 究 [D]. 南 京 : 南 京 理 工 大 学,2007. [18] Cai D,He X,Zhou K,et al.locality sensitive discriminant analysis[c]//proceedings of the Twentieth International Joint Conference on Artificial Intelligence,2007:708-713. [19] 胡 帅. 复 杂 场 景 下 步 态 识 别 技 术 研 究 [D]. 哈 尔 滨 : 哈 尔 滨 工 程 大 学,2012. [20] 车 辚 辚, 孔 英 会. 基 于 动 态 部 位 特 征 的 步 态 识 别 方 法 [J]. 计 算 机 应 用,2012,32(12):3418-3421. ( 上 接 63 页 ) [7] Bender C M.Making sense of non-hermitian Hamiltonians[J]. Rep Prog Phys,2007,70:947-1018. [8] Cho M H,Wu J D. PT - symmetry scientific[j].j Math Res, 2012,2:1-6. [9] Barnett S M,Croke S.Quantum state discrimination[j].adv Opt Photonics,2009,1(2):238-278. [10] Bergou J.Discrimination of quantum states[j].j Mod Opt, 2010,57:160-161. [11] Bender C M,Brody D C. PT - symmetric quantum state discrimination[j].phil Trans R Soc A,2013,371:20120160-20120161. [12] Dorey P,Dunning C.Supersymmetry and the spontaneous breakdown of PT - symmetry[j].j Phys A,2001,34:391-392. [13] Dorey P,Dunning C.Spectral equivalences,bethe ansatz equations,and reality properties in PT - symmetric quantum mechanics[j].j Phys A,2001,34:5679-5704. [14] Bender C M,Brody D C,Jones H F.Complex extension of quantum mechanics[j].phys Rev Lett,2002,89:270401-270404. [15] Bender C M,Brody D C,Jones H F.Must a Hamiltonian be Hermitian?[J].Am J Phys,2003,71:1095-1102. [16] Mostafazadeh A.Pseudo-Hermiticity versus PT - symmetry: Equivalence of Pseudo-Hermiticity and the presence of antilinear symmetries[j].j Math Phys,2002,43(8).