|
1 引言 早期的醫學(xué)研究指出：人的步態(tài)中有24種不同的成分，如果把這24種成分都考慮到，則步態(tài)是為個(gè)體所特有的。有關(guān)研究人員近些年來(lái)通過(guò)對人的步態(tài)分析，已經(jīng)得出了在步態(tài)視頻序列中含有人的身份信息，因此進(jìn)行步態(tài)識別也是一種非常重要的生物識別技術(shù)。步態(tài)識別是近年來(lái)越來(lái)越多的研究者所關(guān)注的一種較新的生物認證技術(shù)，它是通過(guò)人的走路方式來(lái)識別人的身份�；诓綉B(tài)的身份認證識別技術(shù)相對于其它生物識別技術(shù)有如下優(yōu)點(diǎn)：遠距離識別、識別對象的被動(dòng)性、不易被隱藏、不易被察覺(jué)、應用領(lǐng)域廣闊等，步態(tài)識別技術(shù)最近已經(jīng)備受關(guān)注，并且已經(jīng)取得了一些初步成果。如美國國防部研究項目署(DARPA)2000年的重大項目一HID(human identification at adistance)計劃，其目的就是開(kāi)發(fā)多模態(tài)視覺(jué)監控技術(shù)以實(shí)現遠距離情況下人物的檢測、分類(lèi)和識別。中科院自動(dòng)化研究所模式識別國家重點(diǎn)實(shí)驗室近年也開(kāi)始了對步態(tài)識別的研究，而且創(chuàng )建了NLPR步態(tài)數據庫。 雖然步態(tài)識別是一個(gè)新興的研究領(lǐng)域，但是近年來(lái)已經(jīng)涌現出了一些嘗試性的工作。最早提出步態(tài)識別算法的是Niyogi與Adelson等人。Cunado和Nixon等人提出了一種基于模型的特征提取分析方法，VHT(velocity hough transform)。Kale等人將行人的外輪廓寬度作為圖像特征，提出了一種依賴(lài)于角度的識別方法。而Johnson和Bobick提出了一種不依賴(lài)于角度的步態(tài)識別算法。Sarkar等人提出了步態(tài)識別的基線(xiàn)算法。Lee等人提出了一種基于步態(tài)外形的表達方法，其具體做法是先將人體的各個(gè)部分映射到幾個(gè)橢圓組成的模型上，然后用其質(zhì)心位置和離心率作為步態(tài)特征來(lái)進(jìn)行步態(tài)識別。Wang等人提出了一種簡(jiǎn)單有效的、基于人體運動(dòng)輪廓的識別算法。值得注意的是，步態(tài)識別的研究尚處于初級階段，表現在：a．實(shí)驗都是在特定的環(huán)境下進(jìn)行的，比如相對簡(jiǎn)單固定的背景，人相對于攝像機側面行走，攝像機固定不動(dòng)等；b．算法的評估都是在小樣本數據庫上進(jìn)行的，而且數據庫也不規范。 迄今為止，針對步態(tài)識別所進(jìn)行的研究幾乎全部是基于PC機的，而在許多情況下，卻需要非PC機環(huán)境，所以研究基于嵌入式平臺的步態(tài)識別系統，具有一定的工程意義。本系統的功能是對采集到的步態(tài)視頻序列進(jìn)行圖像處理，得到視頻序列中的人體步態(tài)信息，再由步態(tài)算法根據所得到的步態(tài)信息進(jìn)行步態(tài)識別。 2 系統結構 本嵌入式自動(dòng)步態(tài)識別系統主要包括CCD攝像機、圖像采集卡、嵌入式系統、顯示屏等。其中最為核心的是嵌入式系統部分，它包括Renesas 32位嵌入式芯片SH7709S、存儲器、外圍電路、鍵盤(pán)、鼠標等。主要完成視頻序列信號的預處理、處理、步態(tài)識別、顯示輸出等功能。該系統的結構示意圖如圖1所示。 3 步態(tài)識別的基本原理 3．1 雙目立體視覺(jué) 雙目立體視覺(jué)是今年來(lái)在圖像測量領(lǐng)域發(fā)展起來(lái)的一種新技術(shù)，與單目視覺(jué)相比，雙目視覺(jué)有以下優(yōu)點(diǎn)：可以獲得單目視覺(jué)中所沒(méi)有的視差或者深度信息；當場(chǎng)景中有遮擋發(fā)生時(shí)，雙目立體視覺(jué)可以很好地處理遮擋。因為步態(tài)識別的場(chǎng)景難免存在遮擋，為了更好地從各個(gè)方向獲得步態(tài)視頻序列，從而能夠為進(jìn)行正確的步態(tài)識別作出鋪墊，所以采用雙目立體視覺(jué)來(lái)獲取人體步態(tài)視頻序列。 在本實(shí)驗中，兩個(gè)CCD攝像機分別固定在一個(gè)三角架的兩邊，組成雙目立體視覺(jué)。 3．2 步態(tài)圖像序列中的光流場(chǎng) 光流是指圖像中模式運動(dòng)的速度。光流場(chǎng)是一種二維(2D)瞬時(shí)速度場(chǎng)，其中的2D速度矢量是景物中可見(jiàn)點(diǎn)的三維(3D)速度矢量在成像表面的投影。光流不僅包含了被觀(guān)察物體的運動(dòng)信息，而且攜帶著(zhù)有關(guān)景物3D結構的豐富信息。光流法假定相鄰時(shí)刻之間的間隔很小(一般為幾十ms)，從而相鄰時(shí)刻的圖像差異也比較小。 2．2．1 光流的基本等式 光流亮度不變性描述的是圖像上某個(gè)象素點(diǎn)的灰度值隨時(shí)間的變化率為零，即 若記 式(2)就為光流計算的基本等式。 3．2．2 光流有關(guān)的計算 對于圖像上的每一點(diǎn)(xi,yi)，求解光流場(chǎng)方程(2)，得到由迭代形式表示的解為： 3．3 光流場(chǎng)中運動(dòng)特征的提取 從光流中提取的特征包括運動(dòng)點(diǎn)T，加權的運動(dòng)點(diǎn)|(u,v)|，|u|，|v|，以及光流分布的質(zhì)心特征等。通過(guò)光流場(chǎng)，利用T(u，v)將運動(dòng)點(diǎn)(白色)和非運動(dòng)點(diǎn)(黑色)區分開(kāi)來(lái)，由下式表示： 在本實(shí)驗中，選取|(u，v)| 加權橫坐標 作為從光流場(chǎng)中提取的步態(tài)特征。 3．4 步態(tài)特征的數據融合 對于所提取的步態(tài)特征xuc和yuc，由數據融合算法D-S合成公式： 其中m1和m2是特征空間上的兩個(gè)mass函數， N為矛盾引子。 3．5 識別 將由數據融合得出的特征進(jìn)行基于PCA的特征空問(wèn)變換。假設初始的訓練樣本集為T(mén)={pi-j},i=1，2，…，C，j=1，2，…，Ni；第i個(gè)人第j個(gè)步態(tài)樣本向量為Xij，而樣本總數為NT=N1+N2+…+Nc。 求樣本集的總體均值向量μ和協(xié)方差矩陣∑， 如果協(xié)方差矩陣∑的秩為N，由det|λI-∑|=0求得矩陣∑的N個(gè)特征值λ1，λ2，λ3，…，λN，并由矩陣方程λiI-∑=0，i=0,1,2，…，N;求得對應于N個(gè)特征值λ1，λ2，λ3，…，λN的N個(gè)特征向量e1，e2，e3，…，eN。選取與前K個(gè)最大特征值對應的前K個(gè)特征向量，并使 其中α表示樣本集在前K個(gè)軸上的能量占整個(gè)能量的百分比。通常取α值接近于1，以使得樣本集在前K個(gè)軸上的能量幾乎接近于整個(gè)能量。 用式(2)中所求得K個(gè)特征向量重建初始樣本集中的每個(gè)樣本。算法如下： 這樣就得到一個(gè)K維的權向量Ωi，j用于進(jìn)行識別。 選取最近鄰分類(lèi)法進(jìn)行步態(tài)模式分類(lèi)。設經(jīng)過(guò)特征提取并向特征空間投影，所得到的特征向量為Ω，求得Ω與每個(gè)每個(gè)模式類(lèi)的平均向量Ω i，j之間的歐幾立德距離。 其中 由最近鄰分類(lèi)法的判決準則可知，當εi(x)的值最小時(shí)，則x∈εi；否則x∈εi。 3．6 識別的有效性與錯誤率 根據模式識別的原理，當有兩類(lèi)步態(tài)時(shí)，步態(tài)識別的錯誤率由下式給出： 其中 積分區間R1為當w2誤判為w1時(shí)的誤判區間，而積分區間R2為當w1誤判為w2時(shí)的誤判區間。當p(e)最小時(shí)，識別越有效，而當p(e)越大時(shí)，識別性能越差。當有多類(lèi)步態(tài)時(shí)，依次類(lèi)推。 4 系統實(shí)現 4．1 硬件實(shí)現 系統硬件連接框圖如圖2所示。 4．2 軟件實(shí)現 系統軟件流程圖如圖3所示。 5 結論 步態(tài)識別已成為近些年來(lái)計算機視覺(jué)領(lǐng)域新的研究方向。本文提出了一種簡(jiǎn)單的自動(dòng)步態(tài)識別方法，并給出了基于Renesas嵌入式芯片的自動(dòng)步態(tài)識別系統，從長(cháng)遠來(lái)看，該系統的應用很廣泛。 |
