62、步态与面部识别技术：基于轮廓和局部特征的创新方法

步态与面部识别技术：基于轮廓和局部特征的创新方法

在生物识别技术领域，步态识别和面部识别一直是研究的热点。步态识别能够通过分析人的行走姿态来识别个体，而面部识别则是利用面部特征进行身份确认。然而，这两种识别技术都面临着一些挑战，如光照变化、特征提取的准确性等。本文将介绍一些基于轮廓和局部特征的创新方法，以提高步态和面部识别的准确性。

步态识别相关研究

现有步态识别方法回顾

• Wang等人（2003）方法 ：基于轮廓提取，先通过背景减除提取轮廓，获取外轮廓和形状质心，构建轮廓像素与质心距离向量，再用PCA降维，最后用最近邻分类器进行识别。
• Lui和Sarkar（2004）方法 ：提取轮廓，根据步态周期长度划分序列。计算步态周期时，统计每帧轮廓像素数，其最大值对应双腿分开最远，最小值对应双腿重叠，周期长度为两个连续最大值间的帧数。为提高准确性，仅用轮廓下部（腿部）。识别时，使用平均轮廓间欧氏距离中位数的负值作为相似度函数。
• Chai等人（2006）方法 ：用背景减除提取轮廓，应用形态学方法降噪。将轮廓分为头部（顶部20%）、躯干（中部40%）和腿部（底部40%）三个区域，每个轮廓用四个特征表示，即各身体区域的方差和身体的高宽比。结合步态周期长度，定义基于欧氏距离的相似度函数，用KNN进行识别。
• Boulgouris和Chi（2007）方法 ：基于身体组件匹配，手动将轮廓划分为八个区域，定义相似度为组件间距离的加权和，通过组合各身体组件的结果提高识别