基于步态轨迹曲线特征的人体身份识别制造技术

本发明专利技术公开了一种基于步态轨迹曲线特征的人体身份识别方法。根据步态加速度数据在时域的曲线图，将步态身份识别问题转换为轨迹曲线形状的匹配问题。从图像学角度出发，论文利用傅里叶描述子来描述步态曲线的较粗轮廓的全局轨迹曲线特征，并提出方向角描述子的概念来进一步刻画步态曲线细致的局部轨迹曲线特征，最后将二者结合完成步态轨迹曲线的匹配。结果表明，论文所提出的步态轨迹曲线特征能够很好的用于身份识别。

Human identification based on gait trajectory curve feature

The invention discloses a human body identification method based on the characteristics of gait trajectory curve. According to the gait acceleration curve in time domain, the gait identification problem is transformed into the trajectory curve shape matching problem. From the point of view of imagery, this paper uses Fourier descriptors to describe the global trajectory curve features of the thicker contour of the gait curve, and puts forward the concept of direction angle descriptors to further characterize the meticulous local trajectory curve features of the gait curve, and finally combines the two to complete the matching of the gait trajectory curve. The results show that the gait trajectory curves proposed in this paper can be used for identification very well.

【技术实现步骤摘要】
基于步态轨迹曲线特征的人体身份识别
本专利技术属于信息安全领域，具体涉及一种基于步态轨迹曲线特征的人体身份识别方法。
技术介绍
据台湾《电子时报》报道，工信部的统计数据显示，截止到2014年5月底中国的手机用户数量已达到12.56亿人，相较4月份增长了0.36％，比去年同期增长了7.82％，相当于中国90.8％的人都在使用手机。2016年5月17日，中国互联网协会、国家互联网应急中心(CNCERT)在京首次联合发布了《中国移动互联网发展状况及其安全报告(2016)》。报告显示，2015年中国境内活跃的手机网民数量达7.8亿，占全国人口数量的56.9％。手机安全问题依然严峻，而用户身份识别是保护信息安全的首要步骤。目前智能手机大都配备了摄像头、加速度传感器、陀螺仪等各种传感器，这些传感器能够记录下每个人所特有的生物特征，目前常见的生物特征有签名、指纹、声音、虹膜和步态等。由于生物特征是人本身固有的，具有不易丢失、盗取和遗忘的优点。但这些生物特征识别方式也存在一些缺点，例如指纹、虹膜、人脸等生物特征识别需要用户近距离接触，而且也需要高分辨率的图像，应用范围有限。人类的步态包含非常独特的模式，可用于身份的识别和验证。加速度传感器以其低廉的价格、高的灵敏度和较小的体积被广泛应用于智能手机中。其具有的独特优势使研究人员逐渐认识到它在基于步态的身份识别领域的应用前景。基于步态的身份识别主要的难点和重点集中在特征提取和分类识别方法上，特征提取是为了从步态加速度传感器信号中提取可以表征人体身份的特征向量，是基于智能手机传感器的用户身份识别技术中的关键所在，其好坏会直接影响分类器的识别率。目前基于加速度信号特征提取的方法可以分为：时域分析法、频域分析法和时频域法。时域阶段提取简单特征，虽然计算量小，但是所取得识别率并不是很高；针对上述问题，在此基础上添加了频域的特征，因为频域丢弃了时域的信号特征，所以一般需要融合这两类特征，融合后识别率得到了很大的提高，但是由于频域阶段提取的特征的维数较高，需要对特征进行降维或优化处理，这些处理的好坏将直接影响最终的结果。时-频方法能够在时间和频率两个空间内更好的观察信息特性，但冗余度较大。随着基于加速度传感器的步态身份识别研究的不断深入，研究人员不断尝试通过提取新的特征来提高身份识别率。针对上述问题，提出一种基于步态轨迹曲线特征的人体身份识别方法。该方法根据步态加速度数据在时域的曲线图，将步态身份识别问题转换为曲线轨迹的形状匹配问题。从图像学角度出发，利用傅里叶描述子来描述步态曲线的较粗轮廓的轨迹形状特征，并提出方向角描述子的概念来进一步刻画曲线细致的轨迹特征，最后将二者结合完成步态轨迹曲线的匹配。结果表明，提出的步态曲线形状特征能够很好的用于身份识别。
技术实现思路
针对目前基于智能手机的安全防护问题，本专利技术通过进一步挖掘新的步态特征用于身份识别，将步态身份识别问题转换为步态加速度数据的平面轨迹曲线匹配问题。从图像学角度出发，利用傅里叶描述子来描述步态曲线的较粗轮廓的曲线轨迹特征，并提出方向角描述子的概念来进一步刻画曲线细致的曲线轨迹特征，最后将二者结合完成步态轨迹曲线的匹配。实现本专利技术的技术方案如下：一种基于步态轨迹曲线特征的人体身份识别方法，包括较粗轮廓的曲线轨迹特征提取步骤和较细致的局部曲线轨迹特征提取步骤；所述较粗轮廓的曲线轨迹特征提取步骤包括：(1)数据获取：利用智能手机内置加速度传感器采集步态加速度数据，采样频率为100Hz。手机内置加速度传感器分为三个方向，即X,Y,Z三个轴，为了消除方向的影响，采用合加速度，单位m/s2；(2)数据预处理：在数据采集的过程中，手机传感器容易受到外界环境、高频干扰以及人呼吸所引起的身体起伏影响，导致采集到的数据含有许多高频噪声信号。为了使得采集到的数据有效，需要对数据进行一系列的去除重力、去噪声等预处理；(3)标准步态曲线获取：已知步态数据是时变的周期信号，为减少计算量，论文只考虑步态的单个周期，利用单个标准周期能够表征整个步态特征；(4)步态曲线的闭合化：步态时序曲线是一条未封闭的曲线，而傅里叶描述符不能对非闭合曲线轮廓特征进行描述，因为非闭合曲线收尾两点信号不连续，会导致了信号不连续。为了能够使用傅里叶形状描述子模型进行曲线轮廓提取，论文将非闭合步态曲线闭合化的操作。对首尾点做连线并以此连线为轴进行镜像处理，构成封闭的曲线，镜像部分与原曲线形状完全相同，可视为原曲线的对偶形状(首尾曲线坐标不是原点的连线，而是曲线首尾坐标的连线)；(5)粗轮廓的曲线轨迹特征提取：傅里叶描述子是一种基于频域变换的形状表示算法。经过大量的研究实验表明，傅里叶描述子对于轨迹曲线特征有很强的描述和识别的能力，并且计算简单，运行速度快，精度也较高。基本思想：首先将轮廓曲线表示成一个一维的封闭的曲线函数，可以表示为以周长为周期的函数；然后对此封闭的轮廓曲线函数进行傅里叶变换，傅里叶级数中的一系列的级数被称为傅里叶形状描述子。进一步，所述步骤(5)的具体步骤如下：1)假设在xy平面上有N个坐标点，假设P0,P1,P2,...,PN-1该封闭曲线上的点，以P0为起始点，PN-1为结束点(P0＝PN-1)，以顺时针方向经过P0(x0,y0),P1(x1,y1),...,PN-1(xn-1,yn-1)后可回到原始位置，并可反复循环。设x(k)＝xk,y(k)＝yk,所以一条封闭曲线的边界点可表示为Z(k)＝(x(k),y(k)),k＝0,1,...,N-1,每一个坐标又可以处理成复数的形式：X(k)为复数坐标的实部，Y(k)为复数坐标的虚部；Si(0≤i≤N-1)为点Pi到起始点P0的曲线长，并且Si≤k≤Si+1,0≤i≤N-1。函数的傅里叶级数表达式为：其中，L为封闭曲线的周长，傅里叶的系数表达式为：2)傅里叶级数的各项系数Cn为复数，模向量C＝(||c1||,||c2||,...,||ck||)，研究表明，向量C与形状的尺度、方向和选择的起始点有关，为了使其具有选择、平移和尺度的不变性，则需要对C进行归一化处理，得到傅里叶形状描述子。归一化后的傅里叶形状描述子d(i)定义为：3)由于步态形状的全局特征大都集中在低频部分，而高频部分更能体现步态形状的细节特征，尽管系数选择的越多，变换后的数据与原数据的误差越小，但是论文的目的在于分类识别，而不在于精确的原数据重构，而且选择的系数越多并不代表识别的效果越好。根据实验，论文选取前15个低频傅里叶系数，它们对应着目标的总体形状特征，用FD表示此部分提取的特征集合。所述较细致的局部曲线轨迹特征提取步骤包括：(6)细致的局部曲线轨迹特征提取：傅里叶描述子隐藏了空间域中的位置信息，往往更倾向于表现全局特征。为了弥补傅里叶描述子在局部表征上的欠缺，论文提出了方向角描述子概念。角度特征不仅能够描述方向变化的特征，也具备旋转不变性原则。首先计算步态曲线轨迹上所有点方向角序列，得到所有角度点切线以及方向角序列的质心，利用角度点切线与质心的夹角描述曲线轨迹的变化。进一步，所述步骤(6)的具体步骤如下：1)设曲线轨迹有N个数据点，则有N-1个角度点，则角度：2)角度点的质心为：3)每个角度点到其质心的距离r可以用欧式距离表示为：4)本文档来自技高网...

【技术保护点】
1.一种基于步态轨迹曲线特征的人体身份识别方法，其特征在于，包括较粗轮廓的全局轨迹曲线特征提取步骤和较细致的局部轨迹曲线特征提取步骤；较粗轮廓的全局轨迹曲线特征提取步骤包括：(1)数据获取：利用智能手机内置加速度传感器采集步态加速度数据，采样频率为100Hz；(2)数据预处理：对原始步态数据进行预处理的主要目的就是为了减少噪声干扰，其中噪声主要来源于一些不可避免的因素，例如因呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声、重力加速度的干扰等各种各样的干扰因素，通常常见的预处理技术主要有：有效步态数据截取、滤波去噪、归一化等；(3)标准步态曲线获取：已知步态数据是时变的周期信号，为减少计算量，只考虑步态的单个标准周期，利用单个标准周期特征来表征整个步态特征；(4)步态曲线的闭合化：步态时序曲线是一条未封闭的曲线，而傅里叶描述符不能对非闭合曲线轮廓特征进行描述，因此对步态数据首尾点做连线并以此连线为轴进行镜像处理，构成封闭的曲线；(5)粗轮廓的轨迹曲线特征提取：傅里叶描述子是一种基于频域变换的形状表示算法，对于轨迹曲线特征有很强的描述和识别的能力，变换后的步态轨迹曲线的全局特征大都集中在低频部分，而高频部分体现步态轨迹曲线的细节特征，因此选取前15个低频傅里叶系数作为总体轨迹形状特征：...

【技术特征摘要】
1.一种基于步态轨迹曲线特征的人体身份识别方法，其特征在于，包括较粗轮廓的全局轨迹曲线特征提取步骤和较细致的局部轨迹曲线特征提取步骤；较粗轮廓的全局轨迹曲线特征提取步骤包括：(1)数据获取：利用智能手机内置加速度传感器采集步态加速度数据，采样频率为100Hz；(2)数据预处理：对原始步态数据进行预处理的主要目的就是为了减少噪声干扰，其中噪声主要来源于一些不可避免的因素，例如因呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声、重力加速度的干扰等各种各样的干扰因素，通常常见的预处理技术主要有：有效步态数据截取、滤波去噪、归一化等；(3)标准步态曲线获取：已知步态数据是时变的周期信号，为减少计算量，只考虑步态的单个标准周期，利用单个标准周期特征来表征整个步态特征；(4)步态曲线的闭合化：步态时序曲线是一条未封闭的曲线，而傅里叶描述符不能对非闭合曲线轮廓特征进行描述，因此对步态数据首尾点做连线并以此连线为轴进行镜像处理，构成封闭的曲线；(5)粗轮廓的轨迹曲线特征提取：傅里叶描述子是一种基于频域变换的形状表示算法，对于轨迹曲线特征有很强的描述和识别的能力，变换后的步态轨迹曲线的全局特征大都集中在低频部分，而高频部分体现步态轨迹曲线的细节特征，因此选取前15个低频傅里叶系数作为总体轨迹形状特征：其中xi,yi为任意一点i的横纵坐标，Si(0≤i≤N-1)为曲线上任意一点到起始点的曲线长，傅里叶级数的各项系数Cn为复数，模向量C＝(||c1||,||c2||,...,||ck||)，对C进行归一化处理，得到傅里叶形状描述子d(i)：(6)细致的局部曲线轨迹特征提取：傅里叶描述子倾向于表现全局特征，...

【专利技术属性】
技术研发人员：郇战，万彩艳，李晨，陈学杰，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏,32