步態識別︰50米外,秒讀你的“活體密碼”

發表時間︰2019/7/9   來源︰科技日報   作者︰
[導讀] 無論是復雜的背景、多樣的姿態、不同的尺度變化以及不同的衣著,步態識別系統都能夠非常快速準確地分割出人像。

  在央視大型科技挑戰節目《機智過人》中,由中科院自動化所研發出的步態識別系統,先後對10個身高、體型相似的蒙面人“嫌疑犯”與21只體型、毛色相似的金毛犬進行識別,在與“最強人類”袁夢(國際記憶大師,曾成功從168條音軌中辨識出TFBOYS三位的音軌)的挑戰中,均取得了成功。
  憑借“遠距離步態識別系統研究與應用”項目,中國科學院自動化研究所及其所孵化的人工智能企業銀河水滴科技(北京)有限公司,獲得2018年度北京市科學技術獎二等獎。
  又快又準,不看臉也能快速辨認
  步態識別是一種非接觸的生物特征識別技術。顧名思義,就是通過人們走路的姿態進行身份識別。“設想這樣一個情景︰某人頭戴帽子口罩,臉部被遮擋,並離攝像頭很遠,這時已經無法根據臉部信息識別其身份,然而仍然可以分析他的步態信息,通過步態識別系統識別他的身份。”項目負責人、中科院自動化所研究員王亮舉例說,與其他生物識別技術相比,步態識別具有遠距離、非接觸、不易偽裝等優點。
  首先是步態識別適用距離更遠。通常情況下,為達到良好識別效果,虹膜識別需要目標在60厘米以內;人臉識別需要目標在3米以內;而步態識別的目標可以遠達50米。其次是步態識別為非受控識別,無需識別對象主動配合與參與。指紋識別、虹膜識別、人臉識別等都需要識別對象主動配合。步態是遠距離、非受控場景下唯一可清晰成像的生物特征,即便一個人在幾十米外背對普通攝像頭隨意走動,步態識別算法也可對其進行身份判斷。再者,步態難以偽裝。不同的體型、肌肉骨骼特點、運動神經靈敏度、走路姿態等特征共同決定了步態具有較好的區分能力,通過精巧設計的算法和海量數據的訓練,機器可以更好地識別這些細節特征。
  黑科技滿滿的《碟中諜5》中,最吸楮的當屬安保系統的最後一道防線——步態識別,通過分析人的身體體型和行走姿態來識別身份,這道防線讓阿湯哥也難以瞞天過海。“每個人的肌肉力量、肌腱和骨骼長度和密度,以及每個人的神經靈敏程度、協調能力、體重、重心等生理條件都是不同的,所以,每個人走路的姿勢都是不同的。人們可以借助道具將自己的外形甚至是性別進行翻天覆地的改變,卻沒辦法改變自己的走路姿態。”王亮表示。
  而相較于依靠人力從海量監控視頻中快速查找目標人物的做法,步態識別不僅能實現對人海戰術的替代,極大提升檢索和識別的效率和準確度,而且當出現遠距離、非配合、全視角(如只有側面和背面身形)、弱光線、人臉隱蔽/遮擋、目標人物多次換裝等一種或多種情況時,用步態識別技術也能成功搜檢目標人物。
  精確的圖像分割和數據算法支撐
  然而,要精確地通過步態特征識別出人的身份信息,需要復雜的系統支撐。步態識別系統包含了檢測、跟蹤、分割、識別等部分,任何一個模塊都將對整體系統產生影響。
  “遠距離步態識別系統研究與應用”項目在算法層面對步態識別系統的4個關鍵模塊分別進行研發,通過行人檢測算法,將行人從背景中找出來,檢測算法需要能夠處理遠距離、復雜背景以及部分遮擋等情況;與人臉識別只對一張圖片識別不同,步態識別需要收集同一個人行走的視頻序列,且實際場景中通常有多個人需要同時識別,因此需要使用在線多目標跟蹤技術將同一個人的序列收集起來;步態能夠去除著裝顏色的干擾,只關注人走路的方式,因此需要使用人形分割算法將人從背景中分離出來;最後,對一系列分割序列通過步態識別算法進行識別。
  在中科院自動化所的模式識別國家重點實驗室,記者看到了項目的“高精度人形圖像分割方法”演示。無論是復雜的背景、多樣的姿態、不同的尺度變化以及不同的衣著,系統都能夠非常快速準確地分割出人像。
  “我們采用的是人形區域內像素點的多尺度上下文信息來表達人形目標,通過多通道深度學習網絡來描述人形局部區域的不同尺度上下文信息。”王亮講道,這種方法以模式識別和計算機視覺理論為指導,結合最新的深度學習算法,融合各個尺度的圖像信息,能夠將目標人物從背景中快速準確地分離出來。與傳統的圖模型方法需要對像素點之間建模,導致計算量大、難以收斂等問題相比,該方法具有很強的語義信息,並在由百度公司懸賞的人形圖像分割大賽中,以絕對優勢獲得冠軍。
  此外,他們借助傳統的步態識別的先驗知識,結合最新的深度學習方法,能夠在只給定某個視角的情況下,跨視角地識別出該人在其他視角的步態序列。“使用基于“正負對”的訓練方式,可以充分地擴充樣本數量,即使對很少的訓練數據也能達到很高的結果。這種方式在人臉識別、行人再識別領域也有廣泛應用。”在此基礎上,項目組還提出了一種基于拓撲表達的跨視角步態識別方法來描述步態的整體時空結構,在跨視角和遮擋的條件下,比傳統方法表現出了更強的魯棒性和更高的識別精度;對跨著裝以及跨背包的場景,也都能獲得更好的結果。
  除了算法以外,充足的數據支持是步態識別系統“聰明與否”的後盾保障。目前基于深度學習的步態識別相關算法都需要大量的數據,因此算法和數據之間的不斷迭代是十分必要的。王亮告訴記者,中科院自動化所的CASIA步態數據庫有三個數據數據集,即Dataset A(小規模庫), Dataset B(多視角庫)和Dataset C(紅外庫)。其中,Dataset B是一個大規模、多視角的步態庫,世界知名,而銀河水滴的步態數據庫則已經超過Dataset B近100倍,命名為“CASIA—E”。

投稿 打印文章 轉寄朋友 留言編輯 收藏文章
  期刊推薦
1/1
  原創來稿文章 更多>>
轉寄給朋友
朋友的昵稱:
朋友的郵件地址:
您的昵稱:
您的郵件地址:
郵件主題:
推薦理由:

寫信給編輯
標題:
內容:
您的昵稱:
您的郵件地址: