基于卷积神经网络的步态周期检测方法

王科俊， 刘亮亮， 丁欣楠， 胡钢， 徐怡博

(哈尔滨工程大学 智能科学与工程学院，黑龙江 哈尔滨 150001)

步态识别作为一种生物特征识别方法，被认为是远距离身份识别中最具潜力的识别方法之一[1]。与人脸和指纹等其他生物特征相比，它不需要与受试者配合或接触。因此，步态识别在安全监控、人机交互、智能门禁等领域都有良好的应用前景。近年来，步态识别方法的研究也引起了广泛关注，并提出了许多有效的算法[2-3]。

步态周期检测是实现基于视觉的步态识别的一个重要步骤。与其他生物识别技术不同，步态识别主要依据人体在行走过程中的动作习惯完成身份识别，故不适用于利用单一的步态帧图像进行步态识别。因此，步态识别的输入是视频序列(连续图像)而不是单张的步态轮廓图像。而步态周期检测是指判定输入视频合适长度的过程，一个步态周期通常包含具有完整的步态动作特征的最少的帧数。检测得到的步态周期过短，可能会导致丢失有效的步态特征，而检测到的步态周期过长，可能会使输入包含冗余数据，占用更多的计算资源。对于比较常用的类能量图像的步态识别方法，需要步态周期检测过程作为前端的预处理步骤，而步态周期检测的结果也直接影响了类能量图步态识别结果的准确性[4-5]。

现有的关于步态周期检测的许多研究都是基于人体行走的几何特征实现，Collins等[6]提出了一种利用人体的宽度和高度进行周期检测的方法，但该方法受人与摄像机之间的距离变化的影响较大；……