内容简介

智能安防新技术――大空间建筑中基于视频的步态分析》基于视频的行人步态识别,从行人步态和人脸融合识别两大方面对大空间建筑急速发展背景下的智能视频监控技术作了深入的阐述。《智能安防新技术――大空间建筑中基于视频的步态分析》重点介绍了步态识别的国内外研究现状、基于步态的性别识别、基于步态的年龄分类、单视角步态身份识别、多视角步态身份识别、步态视角估计、步态与人脸的融合等技术,对智能视频监控的技术发展具有很强的前瞻性参考价值。《智能安防新技术――大空间建筑中基于视频的步态分析》可作为计算机、自动化等专业的本科生、研究生及相关工作人员的参考用书。

作者简介

张德,男,北京建筑大学讲师、北京自动化学会成员,主要讲授计算机网络、Java语言、检测技术等课程,以图像处理和模式识别为研究方向,在智能安防领域有丰富经验。

目录

第1章绪论1
1.1步态分析概述1
1.1.1步态分析的发展背景1
1.1.2步态识别的国内外研究现状6
1.1.3步态特征分析综述15
1.2大空间建筑中的步态分析25
1.3《智能安防新技术――大空间建筑中基于视频的步态分析》主要内容及结构30
1.4本章小结32
第2章基于步态的性别识别33
2.1多尺度形状特征和混合条件随机场33
2.1.1步态的多尺度形状特征提取34
2.1.2基于局部线性嵌入的步态状态提取36
2.1.3混合条件随机场模型及其参数估计39
2.1.4实验结果与分析41
2.2Gabor-MMI特征50
2.2.1基于Gabor滤波和最大化互信息量的特征提取51
2.2.2固定视角下的性别分类53
2.2.3未知视角下的性别分类55
2.2.4实验结果与分析57
2.3步态主成分图特征61
2.3.1步态主成分图特征的提取62
2.3.2基于特征匹配的性别分类63
2.3.3实验结果与分析64
2.4本章小结65
第3章基于步态的年龄分类67
3.1年龄相关特征提取67
3.2隐马尔可夫模型的应用69
3.2.1隐马尔可夫模型概述69
3.2.2应用框架71
3.3实验结果与分析75
3.4本章小结76
第4章单视角步态身份识别77
4.1步态光流特征提取77
4.2增量隐马尔可夫模型及其参数估计80
4.3增量混合高斯回归模型及其参数估计83
4.4基于光流特征和增量模型的行人检测和身份识别85
4.5实验结果与分析88
4.6本章小结98
第5章多视角步态身份识别99
5.1多视角步态序列同步99
5.2基于状态一致模型的步态状态提取101
5.3投影模型的训练和识别103
5.4实验结果与分析104
5.5本章小结109
第6章步态视角估计111
6.1基于鲁棒回归的视角估计111
6.1.1视角敏感性特征提取112
6.1.2鲁棒回归分析116
6.1.3实验结果与分析118
6.2视角估计在性别分类上的应用126
6.2.1实验设计126
6.2.2实验结果与分析127
6.3本章小结128
第7章步态和人脸的融合129
7.1不同视角步态的性别分类能力比较129
7.1.1步态特征提取129
7.1.2类可分离度分析135
7.1.3支持向量机分类137
7.1.4实验结果与分析140
7.2基于多视角步态与正面人脸融合的性别分类141
7.2.1多特征信息融合系统框架142
7.2.2步态和人脸特征提取144
7.2.3融合策略146
7.2.4实验结果与分析148
7.3基于多视角步态融合的种族分类149
7.3.1步态特征提取149
7.3.2基于多线性主元分析的特征层融合151
7.3.3实验结果与分析153
7.4基于侧面视角步态和正面人脸融合的种族分类157
7.4.1步态和人脸特征提取157
7.4.2基于典型相关分析的特征层融合158
7.4.3实验结果与分析160
7.5本章小结162
第8章总结与展望164
参考文献168

前言/序言

现代社会中,公共场合下的安全形势日益严峻,如何确保公众安全越来越成为人们关心和瞩目的话题。像银行、机场和大型商场等具有大空间建筑特点的公共场所有着不断增长的智能监控需求,即自动确定或者验证人的身份。传统的身份验证系统包括基于知识的(Knowledge-based,如密码等)和基于拥有物的(Possession-based,如钥匙、身份证等)。

众所周知,传统的身份验证系统存在很多缺陷,如容易丢失、遗忘、易被复制和篡改等。日益兴起的生物特征识别系统则能有效克服这些缺点,它通过利用人们所特有的、区别于其他人的生物特征来特定标识一个人。生物特征是一个人专属的特征信息,不会丢失和遗忘。而且,一般情况下一个人的生物特征不可能被完全复制。目前常被用于身份验证系统的生物特征包括:DNA、牙形、虹膜、指纹、掌纹、手部静脉、手型、脸像、红外脸温谱、耳形、颅骨、声音、签名、笔迹、步态等。这些特征都是人自身固有的,非常可靠,只能模仿却不能复制。

智能安防新技术――大空间建筑中基于视频的步态分析》所关注的出现在监控视频中的行人步态(Gait),即人行走时的姿态,是一种新兴的生物特征。早期的医学研究表明:步态是一个独特的个性化特征,拥有韵律,并且本质上周期性的。步态与其他生物特征相比较,具有四点优势:一是非侵犯性

,即在步态信息获取过程中,被采集者保持其自然的行走过程即可,而无须与被采集人任何身体部位发生接触,也无须保持某种特定姿势。二是非感知性,即可以在被采集人毫无察觉的情况下完成步态信息获取,这在监控场景中具有十分重要的意义。三是远距离识别,即步态信息能在远距离获取,即使是在低分辨率下,步态特征仍能提供丰富和有效的信息进行身份识别和状态分类。四是难于隐藏,即脸部信息可以通过化妆改变,指纹、掌纹等都可以通过整形手段改变。而在自然情况下,人们走路的姿势是不受自己控制的,是一种下意识的行为。主观控制走路姿势,将会使得行走姿势不协调,从而容易被系统检测出来。

美国国防高级研究项目署(DefenseAdvancedResearchProjectsAgency,DARPA)于1997年启动了一个重大的视觉监控项目——VSAM(VisualSurveillanceandMonitoring),其目标是研发自动智能视频理解技术,以用于未来的智能城市或者智能化战场等。关于行人的运动分析是VSAM项目中一个极其重要的研究内容。2000年,DARPA又启动了一个重大项目——HumanID(HumanIdentificationataDistance)计划。HumanID计划的目标是研发智能生物特征识别技术,实现远距离的行人检测和身份识别,以期能够为军事保护和领土防卫提供早期的关键预警支持。2001年9月11日,美国发生恐怖袭击事件,使得政府、民众和企业对安全监控、设施保护、领土防卫和犯罪预警的要求变得非常强烈。2015年在法国、澳大利亚等地都发生了严重的恐怖袭击事件,地点都是影剧院等大空间场所。与此同时,计算机硬件技术和性能飞速提高,而价格却不断下降,这使得视频监控系统的部署成本越来越低,性价比越来越好。视频监控系统的广泛普及也和计算机视觉、机器学习和图像处理等研究领域的软件算法的成熟相辅相成,互相推动着前进。

智能安防新技术――大空间建筑中基于视频的步态分析》是应智慧城市发展的要求,抓住最关乎人民群众安全的智能视频监控做了深入的研究,给广大读者提供了解和学习前沿科学技术的机会。特别是当前大空间建筑越来越多,基本上都属于人群密集场所。在当今复杂的社会形势下,保护人民群众的安全刻不容缓。《智能安防新技术――大空间建筑中基于视频的步态分析》作者都是在智能安防领域从事过多年研究的科技人员。其中,北京建筑大学张德编写了第1、3、6、7、8章,航天信息股份有限公司技术研究院胡懋地编写了第2、4、5章。

作者

2015年12月


其他推荐