基于确定学习与多视角信息融合的鲁棒步态识别研究

Human gait recognition is one of the most important research subjects in the long-distance biometric area. Most of the existing research results are limited by the variation of walking conditions in the real scenes. Robustness of the algorithm are urgent problems needed to be solved in the field of practical gait recognition. In this study, the essential dynamical characteristics of human walking are extracted in the view of system identification and nonlinear dynamics, instead of the conventional image processing methods. Based on deterministic learning theory, we investigate the problem of identification, modeling, time-invariant representation and dynamical pattern recognition of the nonlinear gait system dynamics underlying the shallow silhouette parameters. The methods of parameters convergence and stability analysis in adaptive neural network control are applied in robust gait feature extraction, which can extracted the essential gait characteristics for the improvement of algorithm robustness. On the basis of the above research, we make full use of multi-view shape information to dispel influence caused by variations on walking conditions, and futther improve the practicability of the algorithm. In addition, this study, gait recognition system with high accuracy, strong robustness, promising real-time performance and strong anti-interference ability will be developed to achieve significant exploration in practical gait recognition.

人体步态识别是远距离生物特征识别中最重要的研究课题之一。现有的研究结果大多受限于真实场景中复杂的步行条件改变所带来的影响，算法的鲁棒性问题是步态识别研究实用化阶段面临的急需解决的重要问题。本项目从自适应控制、系统辨识及非线性动力学的角度分析人体步态运动的本质动态特性，改变了已有的单纯从图像视觉方面考虑的传统思路，基于确定学习理论研究人体浅层轮廓形状信息下未知非线性步态系统动力学的辨识、建模、时不变表达及动态模式识别等问题。将自适应神经网络控制中关于参数收敛和稳定性分析的研究方法应用于鲁棒步态特征提取，使得所提特征更能反映步态运动的本质时变特性，提高识别鲁棒性。在此基础上融合多视角信息以全面表征步态模式，增强识别系统的抗干扰能力，进一步提高方法的实用性。此外，本项目还将开发兼具准确性、鲁棒性、实时性的步态识别系统，为实现步态识别系统的实用化推广提供必要的技术储备。

人体步态识别是远距离生物特征识别中最重要的研究课题之一。现有的研究结果大多受限于真实场景中复杂的步行条件改变所带来的影响，算法的鲁棒性问题是步态识别研究实用化阶段面临的急需解决的重要问题。..本项目的主要研究内容包括：1，研究基于确定学习理论研究人体浅层轮廓形状信息下未知非线性步态系统动力学的辨识、建模、时不变表达及动态模式识别等问题。2，融合多视角信息以全面表征步态模式，增强识别系统的抗干扰能力，结合深度学习技术进一步提高方法的实用性，使得所提特征更能反映步态运动的本质时变特性。3，开发兼具准确性、鲁棒性、实时性的步态识别系统，为实现步态识别系统的实用化推广提供必要的技术储备。..主要研究成果和创新点在于：1，运用非线性系统辨识技术对人体浅层轮廓形状信息下未知的非线性步态系统动力学进行系统辨识、建模，并将建模结果作为动态特性进行提取，使得所提特征更能反映步态运动的本质时变特性，可对复杂步态条件的改变具有很好的鲁棒性。2，融合多视角信息以全面表征步态模式，大大增强系统的抗干扰能力，更适用于真实环境下的视频监控与个体识别，实用性得到进一步的提高。3，对所研究的数据采集、参数提取、动力学特征建模、步态识别算法进行工程实现，开发兼具准确性、鲁棒性、实时性的步态识别系统，作为步态识别研究在实际应用中的一个有益探索。..自获项目资助以来，围绕本课题研究，负责人、主要参与人员及其合作者在国内外权威刊物和学术会议共发表论文（且注明本项目资助）5 篇，累计国际刊物论文3 篇，国际会议论文 2 篇。其中 SCI 收录论文 3 余篇，EI 收录论文 2 篇。此外，项目负责人申请了多项中国发明专利和实用新型发明专利，其中2项中国发明专利，5项实用新型专利，均已获得专利局授权通过。项目负责人与参与人员申请并授权了1项软件著作权。项目研究成果以论文、专利及软著的形式提供，基本完成原定计划。