第5期 杨静，等：基于频谱分析的Procrustes统计步态识别算法 ·433· 法通常局限于一种特定的特征表示方法，且不能实 1 现多视角的步态识别.受王亮5)和韩的启发，本 预处理 文先利用Procrustes统计形状分析获得步态序列的 在进行特征提取之前需要做一些预处理工作， 均值形状(PMS)作为初级步态特征.然后，对PMS 预处理阶段需要进行人体运动目标的提取，常用的 进行傅里叶频谱分析，将PMS的幅度谱做为最终的 方法有背景减除法、时间差分法、光流法等.基于算 特征，通过欧式距离来表征2个序列之间的相似性. 法复杂性和检测有效性的考虑，采用背景减除的方 在CASIA DataBase B数据库上进行了实验，并与王 法进行运动区域分割.首先，利用背景减除算法，取 亮的PMSI51、,张元元的PMS+TAFI、高海燕的关键 合适的阈值得到二值化的运动目标区域，通常，二值 帧傅里叶变换(FFT of key frames)[8]3种方法进行 化后的运动区域可能会出现空洞、噪声点，如图1 比较，证明了提出的算法能够实现多视角下的高识 (©).然后，采用图像形态学的方法和单连通分量分 别率 析可以得到单连通的运动目标，如图1(d). (a背京顿 )当前锁 (c)有躁声 (d无喋声 图1预处理结果 Fig.1 The results of the preprocessing 2新步态识别算法 括PMS的整体轮廓信息和一些细节信息，这就需要 有一种方法，能够同时表示这2种信息.傅里叶频谱 运动轮廓随时间的变化，是决定人运动特征的一 分析正是这样一个非常有利的工具，频谱的低频部 个重要线索.因此采用了轮廓这一特征来表征人体步 分包含了轮廓的整体信息，而高频部分则包含了细 态运动特征，为了保留序列中多帧图像的轮廓信息，需 节信息 要有一种统计表达方法来表示.Procrustes形状分析 根据以上的理论基础，因此采用Procrustes均值形 法是方向统计学中一种特别流行的方法，它非常适 状的傅里叶频谱分析(Fourier spectrum analysis of Pro- 用于编码2维形状，并且提供了一种很好的工具来寻 crustes mean shape,FSAOPMS),来研究步态识别. 找一组形状的紧致表达—均值形状， CASIA数据库B提供了以下11个(0°~180°) Wang5定义了PMS的相似度测量，实验证明， 运动视角的步态数据库，如图2.利用此数据库来研 此度量方法不能很好地区分PMS之间的相似度.为 究多视角的步态识别。 了更好地测量，需要得到有关PMS的更多信息，包 图211个视角下的图像 Fig.2 The images of 11 different views