36、基于多视角监控视频的步态人体身份识别

基于多视角监控视频的步态人体身份识别

1. 引言

从任意视角进行人体身份识别是一项极具挑战性的任务，尤其是当人在远处行走时。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。步态识别被视为下一代识别技术，适用于许多民用和高安全环境，如机场、银行、军事基地、停车场、火车站等。

在这些应用场景中，往往难以捕捉到正面人脸，且图像分辨率较低，传统的人脸识别方法大多失效。不过，多项研究表明，从远处通过人的步态或行走方式来识别身份是可行的。即便正面人脸不可见，也能利用面部、耳朵、行走风格、行走时的手部动作等静态和动态线索来确定身份。若能基于此构建自动识别系统，将对监控和安全领域做出重大贡献。

然而，从远距离低分辨率监控视频中捕捉到的单一线索或特征，不足以准确确定身份。将这些线索或特征进行组合或融合，并结合自动处理技术，才能获得令人满意的识别准确率。本文提出利用从多个视角获取的无正面人脸的完整轮廓剪影，捕捉行走人体步态模式中的互补性或固有多模态信息。这也解决了正面人脸识别存在的问题，如易受姿态、光照和表情变化的影响，以及需要用户配合等。

另一方面，远距离监控视频中的生物特征信息包含了侧面脸、耳朵、身体形状和步态等多种生理和行为生物特征，这些丰富的互补信息可用于开发更强大的识别方法。通过使用基于子空间或核方法、多元统计技术和学习分类器等自动处理技术，能够在实际应用场景中提高识别性能。本文建议利用多视角的互补信息，结合基于线性判别分析（LDA）的简单特征提取技术和基于“多层感知器”（MLP）的学习分类器来确定身份。此外，还提出了多视角特征级融合的方法，因为在早期阶段融合信息比后期（分数级融合或后期融合）更有效，特征级融合