第1章 绪 论 1

1．1 步态分析概述 1

1．1．1 步态分析的发展背景 1

1．1．2 步态识别的国内外研究现状 6

1．1．3 步态特征分析综述 15

1．2 大空间建筑中的步态分析 25

1．3 本书主要内容及结构 30

1．4 本章小结 32

第2章 基于步态的性别识别 33

2．1 多尺度形状特征和混合条件随机场 33

2．1．1 步态的多尺度形状特征提取 34

2．1．2 基于局部线性嵌入的步态状态提取 36

2．1．3 混合条件随机场模型及其参数估计 39

2．1．4 实验结果与分析 41

2．2 Gabor-MMI特征 50

2．2．1 基于Gabor滤波和最大化互信息量的特征提取 51

2．2．2 固定视角下的性别分类 53

2．2．3 未知视角下的性别分类 55

2．2．4 实验结果与分析 57

2．3 步态主成分图特征 61

2．3．1 步态主成分图特征的提取 62

2．3．2 基于特征匹配的性别分类 63

2．3．3 实验结果与分析 64

2．4 本章小结 65

第3章 基于步态的年龄分类 67

3．1 年龄相关特征提取 67

3．2 隐马尔可夫模型的应用 69

3．2．1 隐马尔可夫模型概述 69

3．2．2 应用框架 71

3．3 实验结果与分析 75

3．4 本章小结 76

第4章 单视角步态身份识别 77

4．1 步态光流特征提取 77

4．2 增量隐马尔可夫模型及其参数估计 80

4．3 增量混合高斯回归模型及其参数估计 83

4．4 基于光流特征和增量模型的行人检测和身份识别 85

4．5 实验结果与分析 88

4．6 本章小结 98

第5章 多视角步态身份识别 99

5．1 多视角步态序列同步 99

5．2 基于状态一致模型的步态状态提取 101

5．3 投影模型的训练和识别 103

5．4 实验结果与分析 104

5．5 本章小结 109

第6章 步态视角估计 111

6．1 基于鲁棒回归的视角估计 111

6．1．1 视角敏感性特征提取 112

6．1．2 鲁棒回归分析 116

6．1．3 实验结果与分析 118

6．2 视角估计在性别分类上的应用 126

6．2．1 实验设计 126

6．2．2 实验结果与分析 127

6．3 本章小结 128

第7章 步态和人脸的融合 129

7．1 不同视角步态的性别分类能力比较 129

7．1．1 步态特征提取 129

7．1．2 类可分离度分析 135

7．1．3 支持向量机分类 137

7．1．4 实验结果与分析 140

7．2 基于多视角步态与正面人脸融合的性别分类 141

7．2．1 多特征信息融合系统框架 142

7．2．2 步态和人脸特征提取 144

7．2．3 融合策略 146

7．2．4 实验结果与分析 148

7．3 基于多视角步态融合的种族分类 149

7．3．1 步态特征提取 149

7．3．2 基于多线性主元分析的特征层融合 151

7．3．3 实验结果与分析 153

7．4 基于侧面视角步态和正面人脸融合的种族分类 157

7．4．1 步态和人脸特征提取 157

7．4．2 基于典型相关分析的特征层融合 158

7．4．3 实验结果与分析 160

7．5 本章小结 162

第8章 总结与展望 164

参考文献 168

张德，男，北京建筑大学讲师、北京自动化学会成员，主要讲授计算机网络、Java语言、检测技术等课程，以图像处理和模式识别为研究方向，在智能安防领域有丰富经验。 2100433B

本书基于视频的行人步态识别，从行人步态和人脸融合识别两大方面对大空间建筑急速发展背景下的智能视频监控技术作了深入的阐述。本书重点介绍了步态识别的国内外研究现状、基于步态的性别识别、基于步态的年龄分类、单视角步态身份识别、多视角步态身份识别、步态视角估计、步态与人脸的融合等技术，对智能视频监控的技术发展具有很强的前瞻性参考价值。本书可作为计算机、自动化等专业的本科生、研究生及相关工作人员的参考用书。

《智能安防:视频监控全面解析与实例分析》既可以供从事安全防范技术、安全防范工程、交通安全与智能控制、刑事侦查技术、电气工程（智能楼宇）、数字图像处理、科技防卫和保安技防等的工程技术人员参考使用，同时也可以作为相关专业的大中专学生的教材。

监控视频行业面临着数据存储和分析处理的巨大挑战，亟需针对监控视频的高效表示和编码处理方法。目前基于块的预测/变换编码框架不利于监控视频的检索分析处理，同时也面临着效率瓶颈问题，而实际上监控视频的很多先验知识特性还没有充分挖掘，比如前背景结构信息、场景对象特征信息等，利用这些信息能够进一步消除监控视频内部存在的背景冗余、知识冗余，提高编码效率。为此本项目提出研究基于结构信息特征的监控视频编码，即提取监控视频场景中的结构信息，包括前背景信息、对象特征信息如SIFT特征等，研究基于背景建模和对象特征的监控视频编码方法，通过分离前背景区域提高背景帧预测精度，编码对象特征提高对监控视频的检索分析支持，突破监控视频编码效率瓶颈，显著提高监控视频编码效率（一倍以上）和处理效率，争取研究成果被下一代国际MPEG标准或国内AVS视频编码标准采纳。在成果产出方面，发表论文30篇以上，申请专利5项以上。

监控视频行业面临着数据存储和分析处理的巨大挑战，亟需针对监控视频的高效表示和编码处理方法。目前基于块的预测/变换编码框架不利于监控视频的检索分析处理，同时也面临着效率瓶颈问题，而实际上监控视频的很多先验知识特性还没有充分挖掘，比如前背景结构信息、场景对象特征信息等，利用这些信息能够进一步消除监控视频内部存在的背景冗余、知识冗余，提高编码效率。为此本项目提出研究基于结构信息特征的监控视频编码，即提取监控视频场景中的结构信息，包括前背景信息、对象特征信息如SIFT特征等，研究基于背景建模和对象特征的监控视频编码方法，通过分离前背景区域提高背景帧预测精度，编码对象特征提高对监控视频的检索分析支持，突破监控视频编码效率瓶颈，显著提高监控视频编码效率和处理效率。项目围绕基于结构特征的视频编码技术与原理开展研究，主要成果包括：针对监控视频内容的前背景结构特征、对象特征，提出了基于码率-准确率的优化编码方法，建立了一种面向行人检测的监控视频编码框架；针对视频内容的结构特性，提出非局部结构相似滤波、自适应预测划分和自适应运动矢量精度预测等编码技术，显著提升了编码效率；针对监控视频智能处理，提出一种视频纹理/特征联合编码方法，提高了视觉特征的编码效率以及视频检索分析效率。项目部分研究成果被AVS2国家标准采纳，与前一代AVS1标准相比，AVS2编码效率提升一倍，已广泛应用于数字电视广播、安防监控等领域。项目共发表论文39篇，其中IEEE Transactions on Image Processing, IEEE Transactions on Multimedia, IEEE Multimedia等重要国际期刊论文12篇，申请发明专利21项。项目获得IEEE VCIP 2016 前10%最佳论文奖、ICIP2018最佳学生论文奖。