基于人體行走軌跡重排序的跨視角步態(tài)識別.pdf

1、步態(tài)識別由于具有隱蔽性、非侵犯性和遠距離性正受到越來越多的關注，然而，拍攝視角的改變會使步態(tài)識別的整體輪廓發(fā)生變化，而多相機拍攝系統(tǒng)又會增加成本與運算時間，因此跨視角步態(tài)識別成為當前步態(tài)識別研究的一大挑戰(zhàn)。本文選取兩種特征重心軌跡（GCT）和人體部分軌跡（BPJ）作為步態(tài)識別的主要特征，提出一種抗干擾能力強的步態(tài)識別方法，解決步態(tài)識別易受各類干擾因素，尤其是視角變化影響導致識別不穩(wěn)定性的難題。
　　為了解決視角變化引起的行人輪廓整

2、體改變導致識別率下降的問題，我們將某視角下的步態(tài)特征視為立體空間中的真實人體行走軌跡到該視角平面的投影。首先，我們根據(jù)人體肢體參數(shù)統(tǒng)計和人體行走方程計算立體空間中的真實重心軌跡。然后，我們根據(jù)投影定理計算出空間曲線到平面的投影矩陣，并根據(jù)此矩陣估算一個步態(tài)序列的實際拍攝視角。計算出的拍攝視角用于不同視角之間的特征轉換。為了充分利用匹配過程中訓練數(shù)據(jù)的標簽信息，我們?yōu)橐暯寝D換后的人體行走軌跡訓練一個權重矩陣，使得高判別能力的特征點具有更高

3、的權值，從而提高識別精度。
　　本文是基于融合特征的理論研究基礎，將重心軌跡的稀疏編碼和人體部分軌跡融合到基于超圖流形的重排序框架。本文方法的訓練目標為使同一個人的不同序列具有盡可能相近的重排序分數(shù)，不同人之間具有盡可能遠離的重排序分數(shù)，從而使得在識別過程中正確的行人即使改變服飾、攜帶物等外在條件也可以被正確識別。在模型優(yōu)化過程中，使用基于超圖流形的多維特征結構學習方法，提出一種具有對常見干擾因素具有較強魯棒性的步態(tài)識別方法。

4、r>　　本文在實驗中研究了所提出方法在服飾、攜帶物、視角、行走速度影響中的作用，這四類因素為當今步態(tài)識別研究的主要類型。本文驗證了融合類特征由于可同時反映步態(tài)的靜態(tài)和動態(tài)特征，對不同的干擾類型具有更好的效果。并且，由于本文所用的重排序方法的時間消耗主要在訓練部分，識別部分只需將權重矩陣與特征空間距離矩陣相乘，可以滿足實時識別系統(tǒng)運算的要求。以上問題的解決，不僅能提取出常見干擾因素變化具有魯棒性的步態(tài)特征，也為其他影響因素的干擾消除提供了