21、远距离人脸与步态的匹配得分级和特征级融合技术解析

远距离人脸与步态的匹配得分级和特征级融合技术解析

在远距离视频中的人体识别领域，多模态生物特征融合是一个极具挑战性的问题。其中，人脸和步态作为两种重要的生物特征，其融合技术的研究备受关注。本文将深入探讨人脸与步态在匹配得分级和特征级的融合方法，通过实验结果分析不同融合规则的性能，并介绍一种新的特征级融合方案，旨在为远距离人体识别提供更有效的解决方案。

匹配得分级融合实验分析

• 实验设置与结果
  • 实验 2 ：基于 ESFI 和 GEI 的 Max 规则表现最佳，识别率达到 88.9%（45 人中有 5 个错误），相较于步态分类器性能提升 6.7%。而基于 OSFI 和 GEI 的融合与单个分类器相比无性能提升，这凸显了构建 ESFI 的重要性，因为从 ESFI 中可提取更具区分力的人脸特征。
  • 实验 3 ：研究了测试过程中使用不同数量的 GEI 和 ESFI 的效果。结果表明，使用更多的 GEI 和 ESFI（即利用视频序列中更多信息）能获得更好的性能，同时也证明了生成最大数量合成匹配得分的方法是合理利用可用信息的有效途径。

• 不同融合规则性能对比

  • 实验 1 和 2 对比 ：在实验 2 中，由于 45 人中有 10 人在测试序列中更换了衣服，识别率较实验 1 有所下降。步态识别受人体形状和行走风格影响，人脸识别对噪声和面部表情敏感，这些因素导致单个分