基于步行時地面反作用力的身份識別方法技術

本發明專利技術公開了一種基于步行時地面反作用力的身份識別方法，特征是利用由隱藏在地面或地板下的三維力測力平臺組成的步態通道采集步行時的步態信息，并對其進行數據預處理，再采用小波包分解算法提取小波包分解系數、小波包能量、小波包分解系數的均值和方差表征步態特征，訓練過程中利用特征選擇算法和支持向量機分類器建立已訓練的步態特征模板和分類模板，識別過程中利用已訓練的步態特征模板對提取的待識別對象的步態特征進行特征映射，再利用已訓練的分類模板對其進行模板匹配和識別，輸出識別結果。本發明專利技術的步態信息采集和識別過程具有隱蔽性，不會引起察覺和人權糾紛，可以更好地滿足高科技時代安全敏感場所的身份鑒別和安全防范需求。

【技術實現步驟摘要】

本專利技術屬于模式識別
，特別涉及。
技術介紹
當今世界面臨嚴峻的恐怖襲擊和金融盜竊等安全難題，身份識別或認證變得越來越重要，尤其在機場、海關、博物館、晚會現場、銀行和金庫等安全敏感場所。生物特征識別技術是利用人體固有的生理特征和行為特征來實現個體身份識別或認證，由于所選用的生物特征是人體固有的，能隨身攜帶，不需要記憶，具有唯一性和難以復制性等特點，更適用于新的安全需求下的身份識別或認證。目前，用于身份識別的生物特征已有十多種，其中，生理特征主要有指紋、人臉、虹膜、掌紋、掌形、人耳、視網膜、DNA以及氣味等，行為特征主要有簽名、語音、擊鍵以及步態等。指紋、掌紋、掌形、虹膜、人臉、DNA、語音和簽名等識別技術已有較為成熟的產品，它們在各自的應用領域中均起到了積極的作用。但遺憾的是，指紋、人臉、虹膜、掌紋、掌形、人耳、視網膜、DNA、氣味、簽名、語音和擊鍵等生物特征識別技術在實際應用時均需要被檢對象密切配合才能完成信息采集，不具備隱蔽性，易引起犯罪分子的察覺進而采取反偵察手段。與此同時，所用的生理特征都是靜態特征，易于偽造；擊鍵、語音和簽名這三種行為特征也容易被模仿；除高級的人臉識別外，以上提及的生物特征識別技術都是接觸式采集和近距離識別，容易引起人權爭議和外交風波，不太適用于出入境口岸的反恐安檢需求。DNA鑒別技術雖然可靠性高，但采樣也不是隱蔽式的，且其分析過程較長，要求高端的儀器設備，目前僅局限于實驗室使用和法律鑒定中。也就是說，基于這些生理特征和擊鍵、語音和簽名這三種行為特征的生物特征識別技術是近距離身份識別技術，不能很好地適應當前安全形勢下的身份識別要求。因此，需要發展和應用遠距離身份識別技術。目前，可用于遠距離身份識別的生物特征有人臉和步態。由于遠距離人臉識別依然采用的是攝像機或照相機獲取的人臉圖像信息，其識別和近距離人臉識別同樣受光照、人或物遮擋和背景影響較大，而且擁擠人群或復雜環境下的人臉跟蹤更是一大難題。步態識別通過人走路的姿勢和/或留下的足跡對身份進行識別和認證，人們都會有這樣一個認知經驗:我們總能在人群中通過觀察他/她的走路很遠就認出熟悉的人，或者在沒見到其人的情況下聽到走步聲就能認出熟悉的人，這個認知經驗也已經被精神物理學家用實驗驗證了，他們指出:即使在很差的觀察環境中，人類也有能力根據步態辨別行走者的身份。在計算機視覺領域，步態識別相對于人臉識別更具優勢，它利用人的行走行為特征，不像人臉那樣容易用臉模或化妝等手段就能蒙混過關；在有些特殊事件中也能發揮作用，比如在銀行搶劫和博物館文物盜竊等事件中，犯罪嫌疑人戴上面罩或帽子就能隱藏臉像而逃過攝像機的追蹤，但步態仍然是可見的，還是可以進行步態的鑒別來判斷其是否為真正的罪犯，前提條件是犯罪嫌疑人沒有刻意改變其步態。實際上，人們可以在視覺形貌上將別人的步態模仿得很像，產生幾乎一樣的步態圖像信息，從而導致計算機視覺上的步態識別方法無法正確區別。因此，需要研究和發展基于其他步態信息的身份識別方法。中國專利ZL01144157.7公開了一種通過人體步行的步態圖像序列來識別人員的方法，該方法信息采集具有非接觸性和隱蔽性等優點，采取了空間輪廓分割、主成分分析和個性化體格特征輔助校驗等方法來提高識別率和降低計算代價，但是這種基于步態圖像的方法由于使用普通攝像機拍攝步態圖像，還不能完美地解決復雜背景、遮擋和噪聲干擾的問題，也沒有考慮刻意模仿步態的問題。中國專利ZL200410014352.9公開的一種由四個六軸力平臺構成的多軸力平臺陣列，并通過該平臺陣列獲取人體行走時動態步態信息的方法，該平臺陣列可用于人體平衡能力、協調能力和神經系統功能的測試和分析，但沒有涉及步態特征提取和步態識別的方法。美國專利US 2002/0107649A1公開的一種“步態檢測系統、檢測裝置、設備和步態檢測方法”(Gait detection system, gaitdetectionapparatus, device, and gait detection method),檢測步行時的聲振蕩信號并用作個人識別系統，該系統要求在人體上放置麥克風(聲-電轉換器)，麥克風通過采集步行運動過程中的聲振蕩能量而獲得電信號子集，使用此電信號子集作為一步的指標來檢測步行周期，收集表示腳著地時的聲振蕩的信號子集，系統基于此信號子集提取人體特定的步態特征，并將其用于個人識別。該個人識別系統有兩個不足:一是著地時的聲振蕩隨著麥克風在人體上的放置部位而改變；二是由于受麥克風周圍噪音和電噪聲的主要影響，不能準確地確定表示腳著地時的聲振蕩電信號，也就難以準確地提取步態波形的特征。專利申請國際公布號W0/2004/040501公開的“步態波形特征提取方法與個人識別系統”(Gait waveformfeature extracting method and individual identification system)以規定步頁帶內的波形峰值振幅作為參考指標，并從電場位移檢測器中檢測到的電信號中確定一步的步態波形和提取步態波形特征的方法和個人識別系統，可以不受左、右腿之間的電荷干涉和傳感器在身體上的安裝部位影響，但尚不適用于存在復雜電磁干擾的環境中。而且，美國專利US2002/0107649A1和國際公布號W0/2004/040501開的技術方案中，其步態信息仍然是依靠安置在身體上的傳感器采集，仍然是接觸式測量方式，被測者能夠覺察得到，從而可能導致犯罪分子因覺察而采取反偵察手段蒙混過關，甚或可能被激怒以致于在人群中制造恐怖事件。
技術實現思路
本專利技術的目的是提出一種，以隱蔽和非接觸測量方法使得識別過程不易被發覺，避免被識別對象蒙混過關，以適用于海關、機場、博物館、晚會現場、銀行和金庫等安全敏感場所的身份識別。本專利技術，其特征在于包括訓練過程和識別過程；所述訓練過程包括:利用由隱藏在地面或地板下的三維力測力平臺組成的步態通道采集步行時的步態信息并建立步態數據庫，進行數據預處理、步態特征提取、步態特征選擇和分類器訓練，最終得到已訓練的步態特征模板和分類模板；所述識別過程包括:獲取待識別對象的實時步態信息以得到測試樣本，對測試樣本進行數據預處理、步態特征提取，利用已訓練的步態特征模板對待識別對象提取的步態特征進行特征映射，再利用已訓練的分類模板按照最近鄰原則對測試樣本進行模板匹配和識別，輸出識別結果；所述步態信息是通過三維力測力平臺采集的單步的地面反作用力，或連續多個單步的地面反作用力在時序上累加得到合成的地面反作用力；所述單步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撐力這三個分量組成；所述數據預處理包括去噪和有效樣本挑選；所述去噪是指采用小波變換閾值法對地面反作用力數據進行分解和重構處理；所述有效樣本挑選是指根據去噪后的地面反作用力中垂直方向支撐力的數據維數和峰值點數值是否在有效范圍內判斷，挑選在有效范圍內的地面反作用力數據作為有效樣本；所述有效范圍是指與所采用的三維力測力平臺的個數Np和采樣頻率Fp相關的數值范圍，對于單步的地面反作用力，如果其中垂直方向支撐力的數據維數低于0.4Fp或高于0.8Fp，或垂直方向支撐力的波峰和波谷的縱坐標值相差超過300，即本文檔來自技高網...

【技術保護點】
一種基于步行時地面反作用力的身份識別方法，其特征在于包括訓練過程和識別過程；所述訓練過程包括：利用由隱藏在地面或地板下的三維力測力平臺組成的步態通道采集步行時的步態信息并建立步態數據庫，進行數據預處理、步態特征提取、步態特征選擇和分類器訓練，最終得到已訓練的步態特征模板和分類模板；所述識別過程包括：獲取待識別對象的實時步態信息以得到測試樣本，對測試樣本進行數據預處理、步態特征提取，利用已訓練的步態特征模板對待識別對象提取的步態特征進行特征映射，再利用已訓練的分類模板按照最近鄰原則對測試樣本進行模板匹配和識別，輸出識別結果；所述步態信息是通過三維力測力平臺采集的單步的地面反作用力，或連續多個單步的地面反作用力在時序上累加得到合成的地面反作用力；所述單步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撐力這三個分量組成；所述數據預處理包括去噪和有效樣本挑選；所述去噪是指采用小波變換閾值法對地面反作用力數據進行分解和重構處理；所述有效樣本挑選是指根據去噪后的地面反作用力中垂直方向支撐力的數據維數和峰值點數值是否在有效范圍內判斷，挑選在有效范圍內的地面反作用力數據作為有效樣本；所述有效范圍是指與所采用的三維力測力平臺的個數Np和采樣頻率Fp相關的數值范圍，對于單步的地面反作用力，如果其中垂直方向支撐力的數據維數低于0.4Fp或高于0.8Fp，或垂直方向支撐力的波峰和波谷的縱坐標值相差超過300，即判定為無效樣本，否則判定為有效樣本；對于由Np個三維力測力平臺采集的連續多個單步合成的地面反作用力，如果其中垂直方向支撐力的數據維數低于0.4Fp×Np或高于0.8Fp×Np，或垂直方向支撐力的波谷的個數少于Np個，或垂直方向支撐力的所有波谷的縱坐標值的最大最小值相差超過300，即判定為無效樣本，否則判定為有效樣本；所述步態特征提取是指采用小波包變換方法從地面反作用力中提取小波包分解系數、小波包能量、小波包分解系數的均值和方差來表征步態特征；所述分類器訓練是指采用支持向量機分類器對訓練樣本進行訓練，得到已訓練的分類模板。...

【技術特征摘要】
1.種基于步行時地面反作用力的身份識別方法，其特征在于包括訓練過程和識別過程; 所述訓練過程包括:利用由隱藏在地面或地板下的三維力測力平臺組成的步態通道采集步行時的步態信息并建立步態數據庫，進行數據預處理、步態特征提取、步態特征選擇和分類器訓練，最終得到已訓練的步態特征模板和分類模板； 所述識別過程包括:獲取待識別對象的實時步態信息以得到測試樣本，對測試樣本進行數據預處理、步態特征提取，利用已訓練的步態特征模板對待識別對象提取的步態特征進行特征映射，再利用已訓練的分類模板按照最近鄰原則對測試樣本進行模板匹配和識另Ij，輸出識別結果； 所述步態信息是通過三維力測力平臺采集的單步的地面反作用力，或連續多個單步的地面反作用力在時序上累加得到合成的地面反作用力； 所述單步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撐力這三個分量組成； 所述數據預處理包括去噪和有效樣本挑選；所述去噪是指采用小波變換閾值法對地面反作用力數據進行分解和重構處理；所述有效樣本挑選是指根據去噪后的地面反作用力中垂直方向支撐力的數據維數和峰值點數值是否在有效范圍內判斷，挑選在有效范圍內的地面反作用力數據作為有效樣本；所述有效范圍是指與所采用的三維力測力平臺的個數Np和采樣頻率Fp相關的數值范圍，對于單步的地面反作用力，如果其中垂直方向支撐力的數據維數低于0.4Fp或高于0.8Fp，或垂直方向支撐力的波峰和波谷的縱坐標值相差超過300，即判定為無效樣本，否則判定為有效樣本...

【專利技術屬性】
技術研發人員：姚志明，夏懿，孫怡寧，周旭，張濤，楊先軍，馬祖長，竇少彬，
申請(專利權)人：中國科學院合肥物質科學研究院，
類型：發明
國別省市：