23、远距离面部与步态特征级融合用于视频中的个体识别

远距离面部与步态特征级融合用于视频中的个体识别

1. 特征融合性能与特征数量关系

在进行面部和步态特征融合时，其性能会随着面部和步态特征数量的变化而波动。当对应特征值的特征向量包含面部和步态总能量的 98.5% - 99.5% 时，能达到最优融合性能。而且，面部和步态特征的数量存在多个最优选择。当所选特征向量的数量低于某个阈值时，融合性能会急剧下降。

2. 实验设置与数据准备

选取 45 人，每人有两个视频序列。为每个序列构建两个步态能量图像（GEI）和两个增强侧面面部图像（ESFI）。这样，从每个视频中为一个人基于两个面部特征和两个步态特征生成四个合成特征。最终，图库中有对应 45 人的 180 个合成特征，探针中也有对应 45 人的 180 个合成特征。

3. 实验 1 结果分析

• 单一生物特征性能
  |生物特征|识别率|错误索引|
  | ---- | ---- | ---- |
  |原始面部（OSFI）|73.3%|1, 6, 10, 12, 14, 18, 20, 22, 26, 28, 42, 43|
  |增强面部（ESFI）|91.1%|13, 16, 21, 35|
  |步态（GEI）|93.3%|4, 15, 26|

从这些数据可以看出，步态识别的准确率相对较高，但身体形状和行走风格的变化会导致步态识别错误。面部识别方面，由于面部对噪声和表情敏感，训练序列和测试序列的不同条件会影响其可靠性。

• 融合生物特征性能
  |融