基于相邻帧差能量图的步态识别研究

一种有效的步态识别方法
程琼;庄留杰;韦琳
【期刊名称】《武汉纺织大学学报》
【年(卷),期】2007(020)007
【摘要】提出一种有效的步态识别算法.对于每个步态序列,首先通过背景减差检测运动目标的轮廓,计算轮廓质心与轮廓边缘的距离并进行归一化,然后使用PCA方法获取特征空间并进行投影,接着使用时空相关和投影质心归一化进行相似性度量,最后通过最近邻法和K近邻法进行分类识别.通过大量的实验分析,取得了较高的识别率.
【总页数】4页(P30-33)
【作者】程琼;庄留杰;韦琳
【作者单位】湖北工业大学,电气与电子工程学院,湖北,武汉,430068;湖北工业大学,电气与电子工程学院,湖北,武汉,430068;湖北工业大学,电气与电子工程学院,湖北,武汉,430068
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于惯性传感器的帕金森病冻结步态识别方法研究 [J], 王琰;汪丰;章文斌;孙丰;龚大伟;郑慧芬
2.一种基于表面肌电信号及三轴加速度信号的步态识别方法 [J], 郝静涵; 杨鹏; 陈
玲玲; 耿艳利
3.一种基于表面肌电信号及三轴加速度信号的步态识别方法 [J], 郝静涵; 杨鹏; 陈玲玲; 耿艳利
4.一种时空卷积的步态识别方法 [J], 许缓缓;李洪梅;李富余;孙学梅
5.一种LSTM与CNN相结合的步态识别方法 [J], 戚艳军;孔月萍;王佳婧;朱旭东因版权原因，仅展示原文概要，查看原文内容请购买。

基于修正步态能量图和视角检测的步态识别方法
李晶;张菁;倪军
【期刊名称】《计算机科学》
【年(卷),期】2016(0)8
【摘要】针对步态识别性能易受视角、着装和携带物品等变化影响的问题,提出了一种基于修正步态能量图和视角检测的步态识别方法.首先,对步态能量图进行修正,降低着装和携带物品的变化对步态识别的影响;接着,基于修正的步态能量图提取熵特征,并依据最近邻准则检测步态序列的视角;最后,在相同视角的数据库下,采用二维主成分分析和二维线性判别分析相结合的方法提取步态特征,并采用最近邻准则进行分类,以降低视角变化对步态识别的影响.通过在CASIA B数据集上进行对比实验,证实所提方法对视角、着装和携带物品等变化的鲁棒性强,平均识别率高.
【总页数】5页(P300-303,308)
【作者】李晶;张菁;倪军
【作者单位】哈尔滨工程大学计算机科学与技术学院哈尔滨150000;哈尔滨师范大学计算机科学与信息工程学院哈尔滨150000;哈尔滨工程大学计算机科学与技术学院哈尔滨150000;爱荷华大学卡弗医学院爱荷华52240
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于步态能量图像和2维主成分分析的步态识别方法 [J], 王科俊;刘丽丽;贲睨烨;陈薇
2.基于加强步态能量图在非规范视角的步态识别研究 [J], 肖文;钟秀锋
3.基于步态能量图的KPCA和SVM的步态识别方法 [J], 梁韶聪;周明;李安安
4.基于步态能量图与VGG结合的步态识别方法 [J], 闫河; 罗成; 李焕; 李彦
5.基于步态能量图与VGG结合的步态识别方法 [J], 闫河;罗成;李焕;李彦
因版权原因，仅展示原文概要，查看原文内容请购买。

基于步态能量图的特征提取新方法作者：李孟歆姜佳楠贾燕雯来源：《科技与创新》2016年第22期摘要：为了更好地提取步态特征，实现更好的分类识别效果，提出了基于带关节点的步态能量图（PGEI），以便表达完整的步态特征，再运用LBP局部二值模式特征提取方法提取图像的特征，最后使用SVM支持向量机进行最后的步态识别。

使用中科院自动化所CASIA B 步态数据库进行实验，以SVM支持向量机的算法进行识别，分别识别步态能量图GEI和带有关节点的步态能量图PGEI图像，正确率分别为52.17%～56.52%和83.33%～95.83%. 这说明，这种特征提取方法具有较好的识别性。

关键词：步态识别；步态能量图；支持向量机；特征提取中图分类号：TP391.414 文献标识码：A DOI：10.15913/ki.kjycx.2016.22.0751 步态识别特征的提取方法特征提取方法主要分为基于模型的特征提取方法和基于非模型的特征提取方法。

基于模型的特征提取方法就是利用数学建模的思想建立图像模型，再根据分析图像模型参数的变化情况提取步态特征。

Yam等人改进和扩展了钟摆模型，采用耦合的钟摆模型来刻画大腿和脚踝的旋转运动，得到步态特征；Lee等人将人体表示成7个椭圆区域，提取出各椭圆区域的质心横纵坐标、长短轴的长度等7个椭圆区域的特征来表示步态特征。

基于非模型的特征提取方法是直接利用人体运动特征，不必考虑人体的结构，利用数学描述步态作为识别的特征依据。

Bobick等人直接在步态侧影图像序列中提取出动能量图（MEI）来表示步态特征，并且提出运动经历图（MHI）来描述运动的变化；Han等人在总结前人做法的基础上，提出构造步态能量图（GEI）的思想，将一个步态周期内的全部步态二值化轮廓图像，均值化处理得到一幅平均步态轮廓图像，以此作为步态特征进行步态识别。

2 带关节点的步态能量图2.1 图像轮廓和关节点提取对步态视频序列进行帧分割，得到帧图像后，运用背景减除法提取运动目标，而后采用形态学处理和连通域分析得到处理后的图像。

一种基于平均步态能量图的身份识别算法
张前进;陈祥涛;卜文绍
【期刊名称】《图学学报》
【年(卷),期】2011(032)001
【摘要】提出一种基于步态能量图(GEI)的嵌入式隐马尔可夫模型(e-HMM)身份识别方法.首先通过预处理提取出运动人体的侧面轮廓,根据步态下肢的摆动距离统计出步态周期,得到平均步态能量图.对能量图的各区域进行分析,利用二维离散余弦变换(2D-DCT)将能量图观测块转化为观测向量,实现嵌入式隐马尔可夫模型的训练和身份识别.最后在USF和CASIA步态数据库上对所提出的算法进行实验.实验表明该方法具有较好的识别性能,是一种有效的步态识别方法.
【总页数】6页(P39-44)
【作者】张前进;陈祥涛;卜文绍
【作者单位】河南科技大学电子信息工程学院,河南洛阳471003;河南科技大学现代教育技术与信息中心,河南洛阳471003;河南科技大学电子信息工程学院,河南洛阳471003
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的基于不变矩的步态特征身份识别算法 [J], 汪西原;闫辉
2.基于能量图的步态识别算法研究 [J], 薛傲
3.基于步态能量图和不变矩的身份识别算法 [J], 王利巧;裴亚南
4.基于帧差能量图行质量向量的步态识别算法 [J], 李锐;陈勇;余磊
5.基于HOG特征的步态能量图身份识别算法 [J], 崔雪红;刘云;常伟;王传旭;李辉因版权原因，仅展示原文概要，查看原文内容请购买。

基于能量的多特征融合步态识别
步态识别 (Gait Recognition) 是一种用来识别某个人身份的生物特征技术，可取代
传统的指纹和面部识别等技术。

它的基本原理是根据某个人的步态信息，通过研究步态特
征来确定其身份，从而识别目标人员。

近年来，多特征融合方法已经被广泛用于解决步态
识别中的识别准确率不高的问题。

在传统的振动信号处理研究背景中，研究者倾向于提取
振动信号的能量特征，利用空间、时间分量来识别不同的物体。

基于能量的多特征融合步态识别，是一种基于能量特征的研究方法，通过提取脚步振
动特征的能量信息，并显示出其特征的混合特征，从而进行步态识别。

为了充分利用振动
能量中的多层次特征，研究者结合多尺度小波阈值分析、本征极限值分析以及核处理技术，将振动信号中的低频信息以及突变点和抵抗变化点融合在一起，从而提高步态识别的准确率。

此外，研究人员还结合了相关性分析和多元统计分析，将步态信号中存在的多种特征
融合在一起，最终用于步态表示与识别。

基于能量的多特征融合步态识别是一种提高步态识别准确率的方法，可以实现有效识
别人员的特征模式。

它既可以有效抑制步态特征中存在的噪声，也可以提取多类特征空间，降低有效识别错误率，从而准确识别序列中的相同行为模式。

步态识别关键技术研究卢官明;衣美佳【摘要】高新技术的高速发展，使得越来越多的人对生物识别技术予以关注。

步态识别技术是一种新颖的生物特征识别技术，它通过人体行走姿态进行身份识别与认证，在安全监控和国防军事等领域的应用潜力也获得越来越多的关注。

文中首先分析了步态识别的研究意义和背景，以及步态识别系统的原理，再从主要评价指标、运动目标提取、步态特征提取、分类判决等几个主要方面介绍步态识别的技术现状，并分析了步态识别现存的困难和未来的发展方向。

%With the rapid development of advanced technology,biometrics recognition is paid more and more attention. Gait recognition is a novel biometrics recognition technology,which can recognize and identify a person by walking style.And it is catching more and more attention in the field of security monitoring and national defense and military. Firstly,the meaning and background of gait recognition are analyzed,followed by the basic theoryof gait recognition. Then,gait recognition technology is introduced fromthe aspects of main evalu-ation index,motion target extraction,gait feature extraction and classification judge and so on. In addition,some research challenges and future directions in gait recognition are discussed.【期刊名称】《计算机技术与发展》【年(卷),期】2015(000)007【总页数】7页(P100-106)【关键词】步态识别;目标检测;特征提取;分类判决【作者】卢官明;衣美佳【作者单位】南京邮电大学通信与信息工程学院，江苏南京 210003;南京邮电大学通信与信息工程学院，江苏南京 210003【正文语种】中文【中图分类】tP391随着信息化社会的日益发展，对重要信息的保密性保障变得愈加重要，有些比较传统的身份识别技术，如二代身份证、电子密码等，都已经跟不上时代的步伐，生物特征识别技术，正是符合时代要求的产物之一。

第３４卷　第５期Ｖｏｌ．３４ Ｎｏ．５重庆理工大学学报（自然科学）ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２０年５月Ｍａｙ２０２０ 收稿日期：２０１９－０２－２５基金项目：国家自然科学基金面上项目（６１１７３１８４）；重庆市自然科学基金项目（ｃｓｔｃ２０１８ｊｃｙｊＡ２３２８）；重庆市技术创新与应用示范项目（ｃｓｔｃ２０１８ｊｓｚｘ－ｃｙｚｔｚｘ０２０６）作者简介：闫河，男，教授，主要从事模式识别、目标跟踪和人工智能研究；通讯作者罗成，女，硕士研究生，主要从事步态识别研究，Ｅ ｍａｉｌ：８４５５７０２９１＠ｑｑ．ｃｏｍ。

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２０．０５．０２１本文引用格式：闫河，罗成，李焕，等．基于步态能量图与ＶＧＧ结合的步态识别方法［Ｊ］．重庆理工大学学报（自然科学），２０２０，３４（５）：１６６－１７２．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＹＡＮＨｅ，ＬＵＯＣｈｅｎｇ，ＬＩＨｕａｎ，ｅｔａｌ．ＧａｉｔＲｅｃｏｇｎｉｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＧａｉｔＥｎｅｒｇｙＭａｐＣｏｍｂｉｎｅｄｗｉｔｈＶＧＧ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２０，３４（５）：１６６－１７２．基于步态能量图与ＶＧＧ结合的步态识别方法闫　河，罗　成，李　焕，李　彦（重庆理工大学计算机科学与工程学院，重庆　４０００５４）摘 要：基于深度学习端到端和多层特征提取的思想，给出一种基于步态能量图和ＶＧＧ卷积神经网络结合的步态识别方法。

首先，使用背景减除法分割出人体轮廓；然后，通过身体轮廓宽度变化计算出步态周期；其次，根据步态周期图像计算出步态能量图；最后使用ＶＧＧ网络对步态能量图进行特征学习及分类。

实验结果表明：所提出的方法可以准确识别行人身份，在ＣＡＳＩＡ－Ｂ步态数据中平均准确率可达９２．５％，且对视角有较好的鲁棒性，对深度学习在步态识别领域的进一步应用有借鉴意义。

基于改进时空步态图的步态识别蒋敏兰; 吴颖; 陈昊然【期刊名称】《《微型机与应用》》【年(卷),期】2019(038)012【总页数】6页(P52-57)【关键词】时空步态图; 步态识别; 最近邻算法; 关节点定位【作者】蒋敏兰; 吴颖; 陈昊然【作者单位】浙江师范大学物理与电子信息工程学院浙江金华321001【正文语种】中文【中图分类】TP391.410 引言步态识别是根据不同个体间的步态差异进行身份识别的技术，可实现远距离、隐蔽的身份识别，在智能视频监控领域应用广泛[1]。

步态识别的性能主要取决于步态特征的提取和分类器的选择，所以在研究步态特征时，如何最大化提取行人步态运动中的动态特征和静态特征，是提高步态识别准确率的关键。

目前，已有的步态识别方法分为基于模型和基于图像两种[1]。

基于模型的步态识别方法[2-9]主要根据人体结构对下肢步态运动进行建模。

这类方法直接使用人体静态或关节点动态变化参数作为步态特征，在一定程度上能处理遮挡和噪声。

该方法首先要准确定位人体关节点的位置，以关节点间的规律变化作为区分身份的重要特征。

而仅依赖步态轮廓图的关节点定位容易受到图像噪声影响，且建模过程时间长、复杂，很难抽取出步态运动的本质。

基于图像的步态识别方法[10-19]，主要对人体步态图像的二值化轮廓、外形原始图像等进行特征提取从而进行身份识别。

但基于图像的步态识别方法忽略了步态运动中身体各关节点规律变化的特征，当改变视角导致步态轮廓发生一定程度的形变时，能直接影响步态识别精度。

显然基于图像的步态识别方法在简单条件下识别精度较高且计算简单，而在视角或携带物品发生改变等复杂环境下鲁棒性还不够。

基于图像的步态识别方法在一定条件下识别精度高、计算高效，在一定程度上优于基于模型的方法。

但是在解决遮挡、跨视角等复杂环境下，基于模型的步态识别方法有着明显的优势。

所以，针对基于图像步态识别复杂环境下准确率低，而基于模型步态识别平均准确率低、效率不高的问题，本文将基于模型和图像的步态识别方法结合起来，提出一种改进时空步态图及特征融合策略，结合机器学习算法进行步态识别研究。