16、基于RGB相机的步态认证技术解析

基于RGB相机的步态认证技术解析

1. 引言

身份验证方法的发展一直是科研领域的重要挑战，生物识别技术的引入备受关注。随着人工智能的发展，行为认证方法借助机器学习技术蓬勃发展，不仅提升了网络安全性，还加快了认证速度，因为这是人类固有的特征。

多数行为认证方法需要与表面接触，如使用鼠标或键盘输入。然而，在新冠疫情的大背景下，无接触或可戴口罩识别的方法显得尤为重要，例如语音认证、使用惯性传感器的步态认证或手势识别等。

此前已有不少关于行为生物识别的研究取得了不错的成果：
- 按键和鼠标动态认证 ：利用机器学习分析个人模式和信息特征，即使输入相同密码也能实现身份验证，错误率较低，但未来需改进架构并扩大适用人群。
- 手部和腕部手势认证 ：长时间记录效果更佳，但可能存在个人认证设备成本高的问题。
- 面部表情识别 ：虽结果良好且有潜在应用价值，但受口罩影响，在当前卫生形势下难以应用。
- 手写签名认证 ：结果因数据集和样本语言而异，需改进数据集以避免过拟合，还应区分真假签名。
- 步态认证 ：具有创建更大数据集的潜力，使用新传感器和设备有望改善现有结果。

本文聚焦于基于人类步态的认证方法，该方法无需接触且与口罩兼容，成本低、易实现，适用于公司员工在走廊行走时的身份验证。我们使用OpenPose软件获取身体各部位的坐标，为该工具开辟了新的应用领域。

2. 材料与方法

2.1 OpenPos