基于加权局部判别CCA的多视角步态识别方法

Computer Engineering and Applications 计算机工程与应用

2018，54（21）1引言随着信息技术、网络技术和物联网技术的不断发展，基于生物特征识别技术的身份认证方法越来越受到人们的重视。该技术主要通过指纹、人脸、虹膜、掌纹、声纹、步态等人类生物特征进行身份认证，克服了传统身份识别技术固有的缺陷和局限性，能够带来高度安全的身份鉴别和认证[1]。常用的基于指纹、人脸、虹膜等的生物特征识别方法有明显的不足，这些识别方法在低图像分辨率条件下的识别效果不佳，而且需要人的配合。步态识别作为生物特征识别中的一个远距离、非接触的身份识别方法，具有非接触性、非侵犯性、易感知、不需要配合、难于隐藏、难于伪装等优点，而且在低图像分辨

率和较差环境条件下仍具有较高的识别率，步态采集装置简单、经济，只需要一个监控摄像头即可。在智能视频监控领域，对一个人来说，要伪装走路姿势非常困难。在一些凶杀案中，往往凶犯不让你看到他们的脸，但人们却容易看到凶手走路的样子[2]。由于信息化社会的迫切需要，步态识别已成为生物特征识别领域的研究热点之一。钟兴志等[3]综述了步态识别方法及其特点，总结了步态识别研究存在的问题及未来研究方向。Chen [4]提出了一种基于轮廓相关分析的步态识别方法。该方法利用背景差分算法从运动图像序列中提取基于加权局部判别CCA 的多视角步态识别方法

王献锋，黄文准，张善文

WANG Xianfeng,HUANG Wenzhun,ZHANG Shanwen

西京学院信息工程学院，西安710123

College of Information Engineering,Xijing University,Xi ’an 710123,China

WANG Xianfeng,HUANG Wenzhun,ZHANG Shanwen.Multi-view gait recognition method based on weighted local discriminant canonical correlation https://www.360docs.net/doc/4b17570716.html,puter Engineering and Applications,2018,54（21）：90-94.Abstract ：To solve the problem of gait feature extraction and overcome the influence of single observation angle on gait recognition rate,a Weighted Local Discriminent Canonical Correlation Analysis （WLDCCA ）algorithm is proposed and then a multi-view gait recognition method is proposed.The main characteristic of the proposed method is that the class information and local information is introduced into WLDCCA algorithm to effectively fuse the gait features of different views.The extracted fusion features can maximize the distance between intra-class samples and minimize the distance between inter-class samples at the same time,and then the recognition rate is greatly improved.The experimental results on the CASIA gait database verify the effectiveness and feasibility of the proposed algorithm.

Key words ：multi-view gait recognition;Canonical Correlation Analysis （CCA ）;Local Discriminnt CCA （LDCCA ）;Weighted LDCCA （WLDCCA ）

摘要：为了解决步态特征提取难题和克服单一视觉的步态进行身份识别方法的局限性，提出一种加权局部判别典型相关分析（WLDCCA ）算法。在此基础上，提出一种基于WLDCCA 的多视角步态识别方法。该方法通过在WL-DCCA 中引入样本的类信息和局部信息，将不同视觉的步态特征有机地融合起来，提取的融合特征能够最小化同类样本之间的距离，同时最大化异类样本之间的距离，提高了步态识别的识别率和鲁棒性。在CASIA 步态数据库上的实验结果验证了该算法的有效性和可行性。

关键词：多视角步态识别；典型相关分析（CCA ）；局部判别CCA （LDCCA ）；加权LDCCA （WLDCCA ）

文献标志码：A 中图分类号：TP391.41doi ：10.3778/j.issn.1002-8331.1805-0219

◎模式识别与人工智能◎

基金项目：国家自然科学基金（No.61473237）；陕西省科技厅科技攻关项目（No.172102210109）。

作者简介：王献锋（1965―），男，博士，副教授，研究领域为模式识别及其应用，E-mail ：wjdw716@https://www.360docs.net/doc/4b17570716.html, 。

收稿日期：2018-05-14修回日期：2018-07-23文章编号：1002-8331（2018）21-0090-05

90万方数据