3、基于视频的步态表征：原理、方法与应用

基于视频的步态表征：原理、方法与应用

1. 人类运动分析与表征

当前基于图像的人类识别方法，如指纹、面部或虹膜生物识别模式，通常需要受试者的配合，特定角度的视图以及身体接触或近距离接近。这些方法在现实世界中，面对不断变化的环境条件时，无法可靠地识别远距离的不配合个体。

步态作为一种相对较新的生物识别特征，通过人们的行走方式来识别个体，不存在上述缺点。然而，步态也有其局限性，它会受到服装、鞋子或环境背景的影响。此外，受伤等特殊身体状况也会改变一个人的行走风格。同一个人在不同条件下（有意或无意）的步态差异较大，这降低了步态作为生物识别特征的区分能力，它可能不像指纹或虹膜那样独特，但个体固有的步态特征在视觉监控中仍然具有不可替代的作用。

在传统的生物识别范式中，感兴趣的个体由画廊数据中收集的生物识别示例表示。通常，画廊数据中每个个体的示例数量限制为一个。然后，通过各种特征提取算法从画廊示例中提取特征向量，构建特征数据库。在识别过程中，输入的探测示例以相同的方式处理，以获得特征向量，并与数据库中的特征向量进行比较。根据匹配分数做出识别决策。这种系统设置适用于像虹膜和指纹这样的“强”生物识别特征，因为它们具有丰富的固有区分特征。即使数据收集条件发生变化，仍然有足够的特征来区分不同个体。

但这种设置可能不适用于步态，因为步态被认为是一种“弱”生物识别特征。人类的步态属性会受到各种环境条件的影响，如行走表面、携带物品和环境温度等。环境条件的变化可能会导致检测到的人体轮廓出现较大的外观变化，从而导致识别失败。同一个人在不同条件下的步态差异较大，需要从不同环境背景中收集更多的画廊示例。然而，由于现实世界情况的复杂性，这一要求难以实现。由于步态数据采集困难，步态画廊示例通常在相似