2、基于面部和步态线索学习的多模态身份验证

基于面部和步态线索学习的多模态身份验证

1. 引言

从任意视角进行人类身份验证是一项极具挑战性的任务，特别是当人们在远处行走时。近年来，通过步态模式识别身份已成为生物识别和计算机视觉领域的热门研究方向，也是图像分析与理解的成功应用之一。

步态识别是一种基于行为特征的新型重要生物识别技术，它通过人们的行走模式来识别个体。与其他需要高分辨率设备的生物识别技术不同，步态可以使用低分辨率设备在远处捕获。而且，步态难以伪装，无需侵入式设备即可获取相关信息。因此，步态识别可被视为下一代监控和访问控制应用的强大识别技术，适用于机场、银行、军事基地、停车场、火车站等众多民用和高安全环境。

步态是一种固有的多模态生物特征，人类步态包含24个不同的组成部分，不仅涉及下半身，还包括上半身的运动，如头部和手部。如果能捕捉到全身图像中的所有步态动作，它将成为确定身份的独特生物特征。

本文提出了一种基于在变换子空间中学习面部和步态特征的新方法。即使不包含动态步态特征，只要考虑适当的变换子空间，也有可能显著提高识别性能。我们研究了基于主成分分析（PCA）和线性判别分析（LDA）的两个多元统计子空间，以及面部和步态特征的融合。对公开可用的步态数据库进行的大量实验表明，该方法能够从低分辨率视频中捕捉行走人类的步态和面部的多个固有多模态组件。即使没有动态线索，也能在监控视频数据质量差、姿态和光照变化大的情况下，构建一个简单、实用且强大的身份验证系统。

2. 背景

目前，最先进的视频监控系统在识别场景中人物身份时，由于视频质量低或处理技术不当，表现不佳。尽管在过去十年中，通过利用不同的生物识别技术（包括人脸识别、步态分析、虹膜和指纹识别），基于视觉的自动