【中國智能制造網(wǎng) 技術(shù)前沿】在生物特征識別技術(shù)里，步態(tài)特征是一種新興的識別技術(shù)。這種姿勢具有相對穩(wěn)定性，在一定的時間范圍和相同的步行環(huán)境下不容易改變，人們可以據(jù)此揭示出行走人的身份。　　概論
　　
　　步態(tài)是指人們行走時的方式，一個人在行走時，雙腳動作和身體其他部位的姿勢是的。根據(jù)早期的醫(yī)學(xué)研究，人的步態(tài)有24個不同的分量，在考慮所有步態(tài)運(yùn)動分量的情況下步態(tài)是的。精神物理學(xué)中的研究結(jié)果顯示即使通過受損的步態(tài)信息人們也能夠識別出身份，這表明步態(tài)信號中存在身份信息。而且這種姿勢具有相對穩(wěn)定性，在一定的時間范圍和相同的步行環(huán)境下不容易改變，人們可以據(jù)此揭示出行走人的身份。在生物特征識別技術(shù)里，步態(tài)特征是一種新興的識別技術(shù)。步態(tài)即人走路的姿態(tài)，它由每個時刻身體各部位的相對運(yùn)動組成，不同的人走路姿態(tài)都有比較獨(dú)特的特征。
　　
　　優(yōu)勢
　　
　　相比于其它識別技術(shù)，步態(tài)識別技術(shù)具有一些明顯的優(yōu)勢：
　　
　　1）步態(tài)識別對識別距離要求不高
　　
　　當(dāng)視頻采集設(shè)備與待識別目標(biāo)距離較遠(yuǎn)時，人臉模糊不清，指紋更無法采集，但是人走路的姿態(tài)卻清晰可見。除此之外，從預(yù)防的角度來說，適用于遠(yuǎn)距離身份識別技術(shù)可以在很大程度上增加以安全為目標(biāo)的智能視頻監(jiān)控系統(tǒng)。
　　
　　2）步態(tài)識別的非強(qiáng)迫性
　　
　　與傳統(tǒng)的生物特征識別技術(shù)（如指紋、虹膜等）相比，步態(tài)特征無需被識別者的配合即可獲取步態(tài)特征。
　　
　　3）步態(tài)特征的不易隱藏、不易模仿性
　　
　　不同于其它的生物特征，如可以用明膠作的橡膠手指以較高的成功率騙過指紋識別系統(tǒng)，步態(tài)特征是人身體的各個部位的協(xié)調(diào)動作，在一定時間內(nèi)具有穩(wěn)定性，即很難改變，并且很難被其他人模仿。
　　
　　研究現(xiàn)狀
　　
　　目前的步態(tài)識別算法大多是在攝像機(jī)拍攝的目標(biāo)行走視頻的基礎(chǔ)上進(jìn)行研究的，雖然在計(jì)算機(jī)視覺領(lǐng)域?qū)θ说倪\(yùn)動分析研究為時已久，然而真正利用步態(tài)信息進(jìn)行身份識別卻是近些年才逐漸發(fā)展起來的。對步態(tài)識別研究的一個重要分界點(diǎn)是2000年美國國防研究項(xiàng)目署DARPA重大項(xiàng)目HID(Human Identificationat a Distance)計(jì)劃開展的多模態(tài)視覺監(jiān)控技術(shù)以實(shí)現(xiàn)遠(yuǎn)距離情況下人的檢測、分類和識別，其研究重點(diǎn)之一就是通過步態(tài)進(jìn)行遠(yuǎn)距離身份識別。
　　
　　步態(tài)識別分析可以劃分為特征抽取、特征處理和識別分類三個階段。步態(tài)特征提取就是采取某種方法表示檢測出的步態(tài)和數(shù)據(jù)庫中的已知步態(tài)，主要分為兩大類：基于形狀信息的表征（也稱為非結(jié)構(gòu)表征），如輪廓邊界、面積、寬高比等；基于運(yùn)動和動力學(xué)特性的表征（也稱為結(jié)構(gòu)表征），如人體動力學(xué)模型、關(guān)節(jié)角度的變化、步行速度等。基于形狀信息的方法包括，Little與Boyd利用了光流圖像中上步態(tài)的頻率和相位特征來對行人進(jìn)行識別，在一個6人組成的數(shù)據(jù)庫上獲得了90%以上的識別率。Murase和Sakai提出了一種時空相關(guān)的模板匹配方法，同時引入特征空間變換(PCA,Principal Component Analysis)來進(jìn)行數(shù)據(jù)降維。Huang等人通過增加正則分析拓展了他們的工作，在UCSD數(shù)據(jù)庫上的識別率為100％。中科院自動化所的王亮等人通過人體輪廓邊界解卷繞方式來提取步態(tài)特征，同樣用PCA進(jìn)行數(shù)據(jù)降維，該方法在CASIA數(shù)據(jù)庫上分別對3種視角的步態(tài)序列進(jìn)行了實(shí)驗(yàn)，因視角的不同，識別率從63.75%-93.75%不等。
　　
　　Shutler等提出了一種基于速度時間矩的步態(tài)識別算法，減少了步態(tài)識別中噪聲的影響。Kale等人將隱馬爾可夫模型引入到步態(tài)特征提取中，并用聚類的方法提取5個關(guān)鍵幀來減少數(shù)據(jù)維數(shù)。此外，James等人利用對稱性分析算子來進(jìn)行步態(tài)識別也取得了不錯的效果。另一類基于運(yùn)動和動力學(xué)的方法旨在構(gòu)建一個人體的2D或3D的運(yùn)動結(jié)構(gòu)模型，通過提取圖像特征把它們映射到模型的結(jié)構(gòu)成分上來表征人體的步態(tài)模式，其中包括，南安普頓大學(xué)的Cunado等人將大腿建模為鏈接的鐘擺，并從其傾斜角度信號的頻率分量中獲取步態(tài)特征。
　　
　　中科院自動化所的HuazhongNing等人先對人進(jìn)行跟蹤，再從跟蹤結(jié)果中獲取人體主要關(guān)節(jié)的角度變化軌跡作為動態(tài)特征用于身份識別。Yoo等人根據(jù)解剖學(xué)的知識，提取出頭、脖頸、肩、胸、骨盆、膝蓋和腳踝的位置，然后計(jì)算各個位置的運(yùn)動學(xué)特征（相對于垂直方向擺動角度）從而進(jìn)行步態(tài)的分類識別。Lily Lee等人采用七個橢圓表達(dá)人的側(cè)面二值化圖像的身體不同部分，每一個橢圓用質(zhì)心的兩個坐標(biāo)、長短軸之比、長軸的方向等四個特征表示，加上整個身體圖像的質(zhì)心的高度，一共29個特征參數(shù)表示整個人體側(cè)面圖像，再通過模板匹配方法進(jìn)行步態(tài)識別。P.J.Phillips和S.Sarkar對步態(tài)識別步態(tài)識別技術(shù)所面臨的挑戰(zhàn)和相關(guān)的技術(shù)困難進(jìn)行了詳細(xì)的論述，并構(gòu)造了一個包括122個人的步態(tài)數(shù)據(jù)庫，對視角、鞋的變化、路面變化、提包等因素進(jìn)行了比較分析。