1、隨著社會(huì)信息化的迅速發(fā)展，信息的安全問題隨之變得日益嚴(yán)峻。如何在反恐、刑偵鑒定、出入境管理、金融服務(wù)等領(lǐng)域?qū)σ粋€(gè)人的真實(shí)身份進(jìn)行準(zhǔn)確地鑒定，是確保這些公共事務(wù)安全進(jìn)行的關(guān)鍵。相比于人臉、指紋、視網(wǎng)膜等生物特征識(shí)別方法，步態(tài)識(shí)別具有作用距離遠(yuǎn)、難以偽裝、非侵犯性及低分辨率識(shí)別等優(yōu)勢(shì)。但在傳統(tǒng)視頻監(jiān)控領(lǐng)域中，基于步態(tài)的人體身份識(shí)別易受光線及復(fù)雜背景等因素的干擾，在弱光和無(wú)光的條件下步態(tài)識(shí)別的效果較差。利用深度相機(jī)獲取的步態(tài)深度圖像不僅可以消

2、除光照條件的影響，而且還包含了步態(tài)的深度信息。本文將深度信息與步態(tài)識(shí)別相結(jié)合，提出了兩種基于深度信息的步態(tài)序列特征描述方法，并將其用于步態(tài)識(shí)別，取得了理想的識(shí)別效果。
　　本研究主要內(nèi)容包括：①利用Kinect獲取人體步態(tài)深度信息，并根據(jù)深度圖像的特點(diǎn)，選擇雙閾值分割法分離深度圖像中的人體目標(biāo)與背景。針對(duì)步態(tài)深度圖中存在地面深度信息、孤立噪聲點(diǎn)以及較小空洞的問題，采用背景相減結(jié)合輪廓連通域檢測(cè)的方法提取人體步態(tài)輪廓，并根據(jù)人體輪廓

3、高寬比對(duì)步態(tài)序列進(jìn)行周期分析及檢測(cè)。②提出了兩種基于深度信息的步態(tài)序列表征方法：步態(tài)深度能量圖(Gait Depth Energy Image, GDEI)和步態(tài)動(dòng)態(tài)圖(Gait Dynamic Image, GDI)。GDEI是在步態(tài)能量圖(Gait Energy Image, GEI)的基礎(chǔ)上融入深度信息得到的，是一個(gè)完整步態(tài)周期內(nèi)的步態(tài)序列在時(shí)間上歸一化的能量累積圖。GDEI的高亮像素部分表明該位置具有較高的步態(tài)能量，同時(shí)，像素的

4、灰度值反映了人體步態(tài)輪廓的深度信息。GDI是通過排序池化(Rank Pooling，RP)的方法捕獲步態(tài)序列的動(dòng)態(tài)變化得到的，排序池化采用排序函數(shù)參數(shù)化的方法表示步態(tài)的時(shí)空特性，在時(shí)間尺度和空間尺度上對(duì)步態(tài)信息進(jìn)行了有效的融合。③由于GDEI和GDI的維數(shù)較高，數(shù)據(jù)間冗余較大，直接用于步態(tài)識(shí)別可能會(huì)造成維數(shù)災(zāi)難，影響分類結(jié)果。因此本文分別采用了主成分分析法(Principal Component Analysis, PCA)和核主成分分