基于特征融合的步态识别算法研究

王鹏

摘 要：本文基于笔者的研究和交流，首先对本次研究的两种前置技术：步态特征提取算法、步态特征分类识别进行了介绍和分析，然后从具体的融合角度出发，完成了基于特征融合的步态识别算法理论研究。

关键词：特征融合;步态识别;信息融合

一、序言

伴随着信息技术的进一步深入，公民安全也在得到进一步的保障。生物特征识别技术是其中的一项代表性技术，能够适用于各种场合的安检需求，所以受到了社会各界的关注，希望能在视频监控方面得到深入的应用。本文对生物特征识别技术中的步态识别进行研究，基于国内外的研究成果基础上引入特征融合概念，为步态识别算法的推广应用提供依据和借鉴。

二、重要技术概述

1.步态特征提取算法

步态特征提取算法可以分为骨架特征、步态能量图、Hu矩三个特征的提取。骨架特征主要是对步态图像的形状进行了准确的反应，因为人体的肢体结构是由多种因素决定的，所以基于肢体结构的骨架特征的提取是步态特征提取算法的基础，提取骨架特征的步骤是先对骨架进行分析，获得相应的序列图，基于序列图得出肢体运动的准确特征;步态能量图则是从周期性的角度对步态序列进行了总结，反映了运动形态的变化、人体轮廓和行走频率，提取步态能量的方法是首先对步态序列进行降维，在完成步态能量图的特征提取;Hu矩则是反映出了目标图像平移、旋转、尺度变化和镜像的不变矩，首先需要对图像离散的Hu矩进行计算，进而在完成相应的特征提取。

2.步态特征的分类识别

在完成骨架特征、步态能量图、Hu矩三个特征的提取之后就可以进行步态特征的分类识别。分类识别首先需要建立训练样本对不同种类的分类器进行训练，在样本数量庞大的情况下可以选择贝叶斯和神经网络分类器，在样本数量较少的情况下可以选择支持向量机和尽量发作为分类器，在完成分类器的训练之后就需要用分类器进行识别实验，基于骨架特征、步态能量图、Hu矩三个特征的提取之后对每一个样本构造出对应的特征向量，最终完成三种步态特征的分类识别，进而获得相应的实验结果和三种单一特征的识别率。

三、基于特征融合的步态识别算法研究

1.信息融合

信息融合技术能够对上文中的三个特征进行融合和互补，进而使得结果更加的科学完备。信息融合是一种特殊的处理过程，能够通过多方面多层次的检测和组合，对各项单一特征进行互补和精简，减少多项特征数据中的不确定性，将结果进行统一，能够更好地反映出不同特征的内在联系。

2.特征融合具体算法

本次研究是基于骨架特征、步态能量图、Hu矩的特征提取，从宏观层面上来讲，骨架特征主要反映了目标的肢体运动特征，步态能量图主要反映了步态序列的周期性分步，Hu矩则是反映了肢体的形状特征，对以上三种特征进行融合后利用支持向量机进行相应的识别工作就可以对目标的身份进行确定。

不同特征在融合时，首先要获取单一特征向量，然后将不同特征向量采用融合方法，构造出一个新的特征向量。将每个样本的骨架特征，步态能量图、五个Hu矩特征分别表述为一个多维行向量，将所有单一特征通过简单的首尾相连，直接串联成一个高维的联合特征向量。对不同类型的特征设定权重，同时根据权重将单一特征的联合向量重组，构造融合向量。不同特征进行加权特征融合时，权重的选择通常依据单一特征在分类识别时的识别率，单一特征的识别率越高，其对应特征对步态识别的识别能力越强，在加权融合时的权重越大。

对骨架特征分类识别，结果表明了相比于基于轮廓、基于骨架的关键点定位方法，可以基于此提出的基于轮廓与骨架的关键点定位方法提取的骨架特征识别率最高。对Hu矩特征分类识别，结果表明构造的离散情况下尺度不变的五个Hu矩的识别率比原始的七个Hu矩的识别率更高。

从上述过程我们可以了解到，进行特征融合必须利用三种单一特征分别进行特征识别，并对三种特征进行加权特征融合。说明目标在正常行走状态下步态序列进行加权特征融合实验，特征融合后提高了步态识别率。而目标如果在背包状态下和穿大衣状态下的步态序列进行加权特征融合分析，融合后提高了识别率，说明本次研究的特征融合算法对于携带物和穿着具有鲁棒性。

四、总结

总而言之，步态识别技术作为生物特征识别技术在安全方面的代表性技術，在可预见的未来必将得到广泛的应用。因为步态伪装和隐藏的难度非常大，同时易于采集，通过步态识别技术能够有效的对目标的身份进行确定。本文基于特征融合对步态识别技术进行了调整和优化，但是因为复杂性等原因没有进行更为细致的研究，仅从三个方面进行了特征的提取和融合，希望未来能有机会从更多的角度完成步态特征识别的研究。

参考文献：

[1]王浩伦，朱业安，徐唯祎，徐苒，黄月姑，卢巍.步态识别特征的提取和重要性排序[J].中国医学物理学杂志，2019，36（07）：811-817.

[2]李洪安，杜卓明，李占利，惠巧娟，白佳豪.基于双特征匹配层融合的步态识别方法[J].图学学报，2019，40（03）：441-446.