步态识别是指通过人体走路的姿势来识别人的身份。步态识别是模式识别、图象处理等学科的一大新兴研究热点,可以广泛地应用到安全部门、身份鉴别、数字监控等领域。 步态识别主要由三部分构成:步念序列图像预处理、特征提取和分类判别,其中特征提取可以说是重中之重,是识别性能的决定性因素,也是本文的研究重点。 步态序列图像预处理就是从输入序列图像中检测人的运动,主要包括步态序列图像背景建模、前景检测和形念学后处理等工作。步态轮廓的有效分割对于特征提取、目标分类等后期处理有非常重要的影响。 在特征提取阶段,本文按照人体比例把轮廓分成七个部分,并用椭圆拟合每个部分,提取椭圆的参数作为单个轮廓的特征:再通过K均值算法获得一个步态周期中的5个关键帧,求每帧和关键帧的欧氏距离,进一步压缩观测向量维数:对每一个人用5维向量序列训练得到一个连续HMM模型,5个关键帧和训练得到的HMM可用来描述每个人的步态序列。最后识别阶段求待识步态序列对所有HMM的输出概率,取最大输出概率所对应的人作为其类别标识。 本方法紧凑地捕捉了人体步态的结构和变换信息,HMM的统计特性决定其在步态的描述和识别中具有很好的稳健性,实验结果说明HMM是步念识别领域里的一个行之有效的方法,并具有广阔的应用前景。