基于人體行走軌跡重排序的跨視角步態(tài)識(shí)別.pdf

1、步態(tài)識(shí)別由于具有隱蔽性、非侵犯性和遠(yuǎn)距離性正受到越來越多的關(guān)注，然而，拍攝視角的改變會(huì)使步態(tài)識(shí)別的整體輪廓發(fā)生變化，而多相機(jī)拍攝系統(tǒng)又會(huì)增加成本與運(yùn)算時(shí)間，因此跨視角步態(tài)識(shí)別成為當(dāng)前步態(tài)識(shí)別研究的一大挑戰(zhàn)。本文選取兩種特征重心軌跡（GCT）和人體部分軌跡（BPJ）作為步態(tài)識(shí)別的主要特征，提出一種抗干擾能力強(qiáng)的步態(tài)識(shí)別方法，解決步態(tài)識(shí)別易受各類干擾因素，尤其是視角變化影響導(dǎo)致識(shí)別不穩(wěn)定性的難題。
　　為了解決視角變化引起的行人輪廓整

2、體改變導(dǎo)致識(shí)別率下降的問題，我們將某視角下的步態(tài)特征視為立體空間中的真實(shí)人體行走軌跡到該視角平面的投影。首先，我們根據(jù)人體肢體參數(shù)統(tǒng)計(jì)和人體行走方程計(jì)算立體空間中的真實(shí)重心軌跡。然后，我們根據(jù)投影定理計(jì)算出空間曲線到平面的投影矩陣，并根據(jù)此矩陣估算一個(gè)步態(tài)序列的實(shí)際拍攝視角。計(jì)算出的拍攝視角用于不同視角之間的特征轉(zhuǎn)換。為了充分利用匹配過程中訓(xùn)練數(shù)據(jù)的標(biāo)簽信息，我們?yōu)橐暯寝D(zhuǎn)換后的人體行走軌跡訓(xùn)練一個(gè)權(quán)重矩陣，使得高判別能力的特征點(diǎn)具有更高

3、的權(quán)值，從而提高識(shí)別精度。
　　本文是基于融合特征的理論研究基礎(chǔ)，將重心軌跡的稀疏編碼和人體部分軌跡融合到基于超圖流形的重排序框架。本文方法的訓(xùn)練目標(biāo)為使同一個(gè)人的不同序列具有盡可能相近的重排序分?jǐn)?shù)，不同人之間具有盡可能遠(yuǎn)離的重排序分?jǐn)?shù)，從而使得在識(shí)別過程中正確的行人即使改變服飾、攜帶物等外在條件也可以被正確識(shí)別。在模型優(yōu)化過程中，使用基于超圖流形的多維特征結(jié)構(gòu)學(xué)習(xí)方法，提出一種具有對(duì)常見干擾因素具有較強(qiáng)魯棒性的步態(tài)識(shí)別方法。

4、r>　　本文在實(shí)驗(yàn)中研究了所提出方法在服飾、攜帶物、視角、行走速度影響中的作用，這四類因素為當(dāng)今步態(tài)識(shí)別研究的主要類型。本文驗(yàn)證了融合類特征由于可同時(shí)反映步態(tài)的靜態(tài)和動(dòng)態(tài)特征，對(duì)不同的干擾類型具有更好的效果。并且，由于本文所用的重排序方法的時(shí)間消耗主要在訓(xùn)練部分，識(shí)別部分只需將權(quán)重矩陣與特征空間距離矩陣相乘，可以滿足實(shí)時(shí)識(shí)別系統(tǒng)運(yùn)算的要求。以上問題的解決，不僅能提取出常見干擾因素變化具有魯棒性的步態(tài)特征，也為其他影響因素的干擾消除提供了