IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

多视角步态识别综述

已有 548 次阅读 2019-6-10 17:59 |系统分类:博客资讯



步态识别是指通过人走路的姿态或足迹对身份进行认证或识别,作为生物特征识别中的一种,具有远距离、非接触性和难以模仿等优点。其中视角或行走方向的变化使提取的人体轮廓产生巨大差异,是影响步态识别系统性能的最主要因素之一

 

1994Niyogi等人最早利用步态特征进行生物特征身份认证后,步态识别得到快速发展,取得了一系列探索性的研究成果。并涌现出大量的步态识别算法,其中不乏相关的综述文章,但多是基于对步态识别的整体概述(相同视角下的步态周期检测与识别),无针对解决视角这一主要难点对现有研究成果进行归纳总结。为了弥补这个不足,有必要对现阶段多视角步态识别研究情况进行总结分析,以期对本领域研究人员有所裨益。

早期的多视角步态识别方法主要是提取视角不变的步态特征。随着三维建模与多摄像机协作技术的发展,建立3D步态模型也很好的解决了识别中的视角问题; 同时基于度量学习的方法也被用于多视角的步态识别中,通过投影到子空间获取视角不变特征,取得了相对较高的识别精度。而深度学习利用深层神经网络学习出高层抽象的步态特征,在步态识别的视角变化中也取得了良好的识别效果。表1比较了现有的多视角步态识别算法。

1 现有多视角步态识别方法

模板

方法

实现途径

优点

缺点

三维模板

建立三维步态模型

利用多摄像机对人体结构或人体运动进行3D建模

更准确地表达人体各个部位的物理空间;

能够降低遮挡等因素的负面影响。

需要全可控的多摄像机协作的识别环境;

摄像机平衡视角和建模计算复杂。

二维图像或视频序列特征

提取视角不变性特征

提取局部特征

直接提取不随着角度而改变的步态特征进行身份识别,避免轮廓差异;

思路直观,计算简单,易于理解和实现。

仅仅适用于视角变化有限的情况下;

易受到遮挡因素或服饰变化的破坏。

聚类图像估计视角

其他

学习不同视角下的映射或投影关系

典范相关分析(CCA)

投影到子空间中获得步态的视角不变特征,减小同一行人不同视角下的类内方差;

具有相对较高的识别精度。

步态图像转换成向量后维数常高达上万维,计算量很大;

视角变化较大时效果不理想;

CCACML类的方法仅能利用两个视角间的互补信息,处理N个视角时要重复N次来学习N 对特征映射;

VTM方法在进行模型构建和视角转化时容易造成噪声传播,致使识别性能退化。

视角转换模型 (VTM)

其他(LDACMLMPCA与核扩展等)

基于深度神经网络

CNN

AutoEncoder

无图像的预处理过程;

有效提取步态特征;

具有相对较高的识别精度。

需要大量数据用于训练;

卷积神经网络缺乏对时间序列信号的记忆功能;

基于自动编码的VTM也有在转化时容易造成噪声传播使识别性能退化的问题。

 

未来发展趋势:

(1) 构造一个大型的、涵盖各种变量、环境因素和人体生理因素且适合现实世界应用的数据库对步态识别尤为重要。同时构造隐藏摄像机的步态采集环境,获取在行人未知状态下的步态信息也是未来研究中数据库建设的一个发展方向。

(2) 深度学习可以依靠深层的网络结果自动提取特征,但过深的结构不利于参数训练,同时导致信息不断稀释。在深度学习中引入传统的步态特征提取方法,并将两者结合起来或许能取得更好的步态识别效果。

(3) 现在研究的步态识别视频数据获取往往是选用分割好的个体步态视频流。通过算法自动实现个体步态视频流的截取,是未来实现端对端的步态识别系统的实际应用的关键。

(4) 目前,步态识别仅仅利用步态信息进行身份认证,但每种生物特征识别系统都有相应的适用场合,以及各自的优缺点。故开发多模态的生物识别系统,代替现有的使用单一特征的生物识别系统,使其能在各种环境下都能提供有效的身份认证与识别,有至关重要的意义。

 

步态作为生物特征识别领域的一个新的研究方向,多视角识别对其应用具有极大的实际意义,近年来也引起了广大科研工作者的广泛关注。针对步态识别中的视角问题,本文首先介绍了现有的可用于多视角步态识别的数据库,然后分别从3D模型法、视角不变特征法、映射或投影法和深度神经网络法四个方面对现有研究成果进行综述,阐述了各种方法的原理和优缺点; 同时结合步态识别实际应用的需求,针对现有工作中存在的不足,提出一些有待深入研究的问题并指明未来的研究方向。这些问题的解决将促使步态识别具有更宽泛的识别条件、更好的实时性与识别率,从而将步态识别真正用于实际的远距离的身份判断中。

 

引用格式:王科俊, 丁欣楠, 邢向磊, 刘美辰. 多视角步态识别综述. 自动化学报, 2019, 45(5): 841-852. 


链接:http://html.rhhz.net/ZDHXBZWB/html/2019-5-841.htm


作者简介:


王科俊,哈尔滨工程大学自动化学院教授。主要研究方向为步态识别,行人再识别和机器学习。本文通信作者。E-mail: wangkejun@hrbeu.edu.cn


丁欣楠,哈尔滨工程大学自动化学院硕士研究生。主要研究方向为步态识别和机器学习。E-mail: dingxinnan@hrbeu.edu.cn


邢向磊,哈尔滨工程大学自动化学院讲师。主要研究方向为模式识别和机器学习。E-mail: xingxl@hrbeu.edu.cn


刘美辰,哈尔滨工程大学自动化学院博士研究生。主要研究方向为行人再识别和机器学习。E-mail: meichen 0417@163.com




http://blog.sciencenet.cn/blog-3291369-1184182.html

上一篇:澳大利亚科学院院士Dacheng Tao:关于道路检测的阶段性光学雷达适应算法
下一篇:基于区间数的黄金湿法冶炼过程建模与优化研究

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-12-6 23:07

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部