监控视频中正面行走姿态的简易识别

丁 浩 杨自强 史业程

一、 前言

近些年来，监控视频以其直观性和即时性已成为公安机关案件侦破的一把利器。视频图像能够比较准确、及时地捕捉到犯罪分子的各方面生理特征，为嫌疑人真实身份的认定提供了可靠依据。然而随着新媒体时代的到来，狡猾的犯罪分子面对监控镜头总是费尽心机地伪装自己。部分具有较强的反侦查意识的犯罪分子甚至故意改变自己原本的行走姿势，给监控视频中人物的识别带来了很大的难度。

针对目前监控视频中行走对象身份识别的难题，国内相关领域的鉴定专家对此做出大量探索工作。有的专家提出可以通过视频与实际空间几何关联进行成趟足迹定量化检验，选取左步长、右步长、左步宽、右步宽、左步角、右步角六项指标，作为步幅特征检验的指标，利用模糊数学中最大隶属度原则，检验步幅特征，从而达到通过排除或者认定步幅特征来认定身份的目的。①王军、周亚红、吕导中、万荣春：《足迹显现及定量化综合检验》，《江苏公安专科学校学报》1998年第6期。有的专家提出用半周期长的代表性短序列取代关键帧，然后对每个序列用下肢关节角度描述其动态特征，并用关节点的形状上下文描述其轮廓静态特征，从而在不影响识别率的前提下，有效地解决了数据量大和计算复杂的缺点，提高了识别的实时性。②李翔、赵辉、张晓利：《基于人体关节点的步态识别算法研究》，《电气电子教学学报》，2010年第5期。不过，这些成果都没有能够彻底解决公安机关所需要的实用性与可靠性难题，无法在公安工作实践中真正的用于侦破案件实战。因此针对这个难题，笔者尝试了一种利用人体运动各组织结构之间的关系为识别特征的简易方法—矢量标记法。

二、 方法介绍

（一）方法原理

根据痕迹检验学原理，人的行走运动是在大脑中枢神经统一指挥协调下，借助骨骼杠杆和关节枢纽作用，以骨骼肌为动力的一种复杂运动。幼儿从蹒跚学步到自由的行走，进而可以健步如飞和奔跑，是动作技巧不断发展的结果。大脑皮质中的兴奋剂和抑制反馈使得肌肉的配合与劼抗进一步合理，行走的效果得到改善和加强。与此同时，反馈的形式和强度也得到不断强化，并且在某一个程度上被固定下来。随着运动效果被固定下来，行走的方式、姿态等行走特征可以稳定重复。因此，当人的行走动力定型形成之后，行走运动特征有着很好的稳定性。

另一方面，人行走运动特征是人行走运动动力定型的具体反映。由于行走运动动力定型与人体运动器官结构、形态和生理机能以及每个人学习、模仿和实践途径等密切相关，因此，每个人的行走运动特征是不可能完全相同的，这就为利用行走姿态进行身份识别奠定了基础。

简便快捷地锁定既具有稳定性又具有特异性的行走特征成为进行快速身份识别的关键。针对这一难题，我们首先以人体运动学骨骼运动相关理论为基础选定一系列基本点作为选取特征点的库，再通过大量的实验进行数据采集，最终建立起一种利用概率数理统计和模糊理论方法，将特征点的稳定性和特异性与特征点运动数据的离散程度对应起来进行个体识别分析。

在对各项特征的测量、统计数据进行加工整理的过程中，我们发现单纯的直接使用测量数据进行分析存在很大的误差，经过仔细分析，我们找到误差来源在于行走对象的行走是随意的，测量中周期的选取是随机的，距离镜头的距离也不同，并且每次分析对象不可能非常准确的走到监控中心位置，那么不同周期的第一帧的数据并不具有相同的测量条件，那么我们的分析的结果必然不准确。因此我们重新调整了思路，最终建立了一种创新的，科学的，能够锁定分析初始条件的测量方法—矢量标记法。

矢量标记法是根据人体运动学的相关科学原理为基础设计的一种步态分析方法。人体是一个物体系统，其总重心应是人体各环节重心合力的作用点。人在行走过程中，身体的重心会随着运动过程上下左右的摇摆，不同人的重心变化曲线是不一样的。人在自然站立时，身体重心的位置大约在人体第三骶骨椎上缘前方7cm处，稍偏右。人如果改变站立姿势，则人体重心的位置一定也会发生改变。因为此时人体各组成部分的相对位置发生了变化，如弯腰、跨立、举手、抬腿等。人体是由许多骨与骨连结而成的杠杆系统，其体姿可以千变万化。但是人在行走过程中，由于行走姿势不停地发生重复性改变，那么这个杠杆系统之间的关系必然是稳定的。因此，我们尝试以人体重心的外标为分析平面的原点，考虑其他的特征点相对于原点的位置变化与对应关系，并将这种关系通过既具有方向信息又具有距离信息的矢量来标识，将甄别对象的行走过程中的姿态（即骨骼及肌肉运动状态）外化为直观的数学量，依靠统计数学来有效的识别其稳定性和特异性，进而锁定样本的行走姿态。

（二）方法步骤

首先，随机提取目标监控视频中嫌疑人行走的8~10个完整周期，利用Ve-gas软件一帧一帧仔细查看监控视频，将每个实验对象所选取的所有周期的运动视频全部分解为若干帧单独的图像。

其次，对运动图像进行细致观察，根据样本的行走运动状态，初步选定13—15个在样本行走过程中运动比较稳定的部位中心作为最终特征点的基本点，对其进行编号和标记（如图1所示）。

第三，找到嫌疑人的运动重心，以重心为原点在图像中建立二维坐标系，将所选定的所有基本点相对于重心的水平与垂直坐标分别用photoshop中的标尺工具测量并换算出来（如图2所示）。

（图1）

（图2）

（表1）

最后，选取不同对象的相同帧的同一特征点的数据进行特异性分析（可以计算其 persong系数进行）。如果所获得的稳定的特征点一致，则进行数值比较得到表2。

（表1）

三、结果与分析

首先在稳定性分析方面，以样本一及样本二的第4特征点为例，分别得到其在垂直与水平方向汇总数据如下列四张表格。

根据概率统计原理，如果数据组的离散系数在0.1以内则可以得出这一组数据离散程度低，稳定性比较高的结论，即离散系数是与数据的稳定性成负相关的。因此通过计算离散系数可以快速确定样本一及样本二行走过程中第4特征点的运动具有高度稳定性，即相对应的左肩部位运动姿态是稳定变化的。这样就可以迅速锁定嫌疑人有哪些特别稳定的行走特征点，从而获得嫌疑人动力定型的行走姿势，并为据此判断视频中该对象为何人奠定了基础。

其次在特异性分析方面，如果不同对象获得的稳定的特征点不一样说明对象动力定型的表现姿态就不一样，从而可以确定或排除嫌疑人；如果行走对象获得的稳定的特征点一致则又可以比较相同部位特征点所得到的稳定数值是否相同或相近（可以计算其persong系数进行）来甄别不同的行走对象，下面以比较第4特征点都稳定的样本一和样本二为例，由上表所示，样本一的第4特征点在第一帧中的平均坐标为（56.11，137.28），而样本二的第4特征点在第一帧中的平均坐标为（48.00，142.93），显而易见，两个样本的第4特征点在第一帧中的姿态差异很大，即样本一与样本二的左肩运动姿态各不一样，从而据此可以迅速甄别这两个样本。

（样本一垂直汇总分析表）

（样本一水平汇总分析表）

（样本二垂直汇总分析表）

（样本二水平汇总分析表）

四、结论与不足

矢量分析法通过分析监控视频图像可以快速获得嫌疑人在行走过程中其肩、肘、手腕、股骨、胫骨等运动部位相对于人体重心的变化趋势，能够快捷简便地确定监控视频中嫌疑人行走过程中既具有稳定性又具有特异性的行走姿势，从而为迅速进行身份识别提供了有力依据。本方法的不足之处在于必须拥有一定数量的关于嫌疑人的监控视频，才能有较强的可靠性。因此，实践中需要侦查人员获取大量的侦查资料作为进行识别的基础条件。