基于关键点运动轨迹建模的步态识别

doi:10.12068/j.issn.1005-3026.2024.01.005

摘要/Abstract

摘要：

步态信息作为一个新兴的生物特征，在医疗、刑侦等方面具有广泛的应用前景.研究者已经提出了很多种步态识别方法，但普遍存在适应性不强、特征描述过于复杂或缺乏可解释性等问题.针对此问题，首先，通过改进三帧差分完成对视频图像中人体轮廓的提取；然后，基于人体轮廓图获取人体骨架模型，通过骨架模型得到所需的人体关键点位置，并对视频图像中同一关键点的位置轨迹进行曲线建模；最后依据关键点轨迹曲线模型建立一种以模型参数作为步态特征向量的步态特征描述方法，并在此基础上选取合适的分类方法进行步态识别.实验结果表明，基于关键点运动轨迹模型的步态特征表达能够很好地描述步态信息，识别率也相对较高.

关键词: 步态识别, 轮廓提取, 人体骨架提取, 关键点运动轨迹

Abstract:

Gait information is a new biological characteristic with wide application prospects in medical and forensic fields， making it a hot spot in current research. Although researchers have proposed a variety of gait recognition methods， there are still some problems such as poor adaptability， overly complex feature description， and lack of interpretability. To solve this problem， firstly， the three-frame difference algorithm is improved to extract the human contour from video images. Then， a central structure model of human body is established based on the human body contour diagram， allowing for the identification of key points and the modeling of trajectory curves based on their locations in the video. Finally， a new gait feature description method is proposed using the previous curve model， with appropriate model parameters selected as gait feature vectors and suitable classification methods chosen for gait recognition and classification. Experimental results show that the proposed gait feature expression based on the trajectory model of key points can describe human gait information well and the recognition rate is relatively high.

Key words: gait recognition, contour extraction, human skeleton extraction, key point motion trajectory

中图分类号:

TP 20

徐久强, 赵肖肖, 钱龙飞. 基于关键点运动轨迹建模的步态识别[J]. 东北大学学报（自然科学版）, 2024, 45(1): 33-39.

Jiu-qiang XU, Xiao-xiao ZHAO, Long-fei QIAN. Gait Recognition Based on Key Point Motion Trajectory Modeling[J]. Journal of Northeastern University(Natural Science), 2024, 45(1): 33-39.

图/表 15

图1 三帧差分法与改进的三帧差分法实验结果

Fig. 1 Experimental results of three frame

图2 人体轮廓宽纵比的变化

Fig. 2 Length‐width ratio of the silhouette

图3 P0的8邻域分布图

Fig. 3 Eight neighborhood distribution of P0

图4 细化效果展示（a）—原始图像；（b）—细化图像与原始图像叠加.

Fig. 4 Refinement processing results

图5 人体比例模型示意图

Fig. 5 Schematic diagram of human scale model

图6 人体细化图像及关键点标注

Fig. 6 Human body refined images and key point

图7 人体关键运动轨迹实例（a）—头部；（b）—髋关节；（c）—膝关节；（d）—脚部运动.

Fig. 7 Examples of human body key points trajectory

图8 步宽、头部、髋关节拟合曲线（a）—步态周期；（b）—头部；（c）—髋关节.

Fig. 8 Fitting curves of step width，head and hip joint

图9 步态周期变化曲线.（a）—同一个人；（b）—不同人.

Fig. 9 Gait cycle curves

图10 人体头部运动轨迹（a）—同一个人；（b）—不同人.

Fig. 10 Human head movement trajectory

图11 人体步长变化（a）—同一人；（b）—不同人.

Fig. 11 Human step length change

表1 相同状态下不同k值的识别准确率 (%)

Table 1 Recognition accuracy of different k values in the same state

k值	行走状态
k值	Nm	Cl	Bg
平均值	89.36	74.5	72.5
1	88.7	70	68
3	96.15	82	80
5	90.75	75	73
7	85.00	71	69

表2 不同状态下不同k值的识别准确率 (in different states %)

Table 2 Recognition accuracy of different k values

训练集	测试集	k=1	k=3	k=5	平均值
Nm	Cl	65	74	69	71
Nm	Bg	61	70	64	65

表3 不同算法识别准确率比较 (%)

Table 3 Comparison of recognition accuracy of different algorithms

算法	正常行走	相同状态（Bg,Cl）	跨状态
文献［13］	88	—	45
文献［14］	95	80	—
本文	96.15	82	68

表4 不同算法的计算时间

Table 4 Computational time of different algorithms

算法	计算时间/ms
GEI	87.0
文献［15］	3.2
本文	3.5

参考文献 6

1	张引兵，刘楠楠，张力.身份认证技术综述［J］.电脑知识与技术，2011，7（9）：2014-2016.
	Zhang Yin‐bing， Liu Nan‐nan， Zhang Li.Authentication technology overview［J］.Computer Knowledge and Technology，2011，7（9）：2014-2016.
2	王蕴红，谭铁牛.现代身份鉴别新技术：生物特征识别技术［J］.中国基础科学，2000，2（9）：4-10.
	Wang Yun‐hong， Tan Tie‐niu.Modern identification technology：biometrics based personal identification［J］.China Basic Science，2000，2（9）：4-10.
3	Cunado D， Nixon M S， Carter J N.Using gait as a biometric，via phase‐weighted magnitude spectra［C］//Proceeding of International Conference on Audio‐and Video‐Based Biometric Person Authentication.Berlin，1997：95-102.
4	Zhao G Y， Liu G Y， Li H，et al.3D gait recognition using multiple cameras［C］//7th International Conference on Automatic Face and Gesture Recognition （FGR06）.Southampton，2006：529-534.
5	Han J， Bhanu B.Individual recognition using gait energy image［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2006，28（2）：316-322.
6	Ben X Y， Gong C， Zhang P，et al.Coupled bilinear discriminant projection for cross‐view gait recognition［J］.IEEE Transactions on Circuits and Systems for Video Technology，2020，30（3）：734-747.