[發明專利]基于分塊矩陣的步態識別方法

有效

• 申請號: 200910071284.2
• 申請日: 2009-01-16
• 公開（公告）號: CN101488185A
• 公開（公告）日: 2009-07-22
• 發明（設計）人: 王科俊;賁睍燁;馮偉興;劉麗麗;王晨暉;崔建文
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

(一)技術領域

本發明屬于模式識別技術領域，具體涉及一種步態識別方法。

(二)背景技術

隨著安全敏感場合(銀行、機場等)對智能視覺監控系統的需求，一些傳統的生物特征識別系統難以滿足實際應用的需要。這種非接觸式遠距離的身份識別研究——基于運動視覺的第二代生物特征識別技術，引起了研究人員的廣泛關注。人臉、指紋等生物特征通常要求近距離或接觸性的感知。它們在遠距離情況下將不可能使用，而步態此時，在被觀測者未知的情況下是唯一一個難以隱藏、難以偽裝和可被捕獲感知的生物特征。因此，步態識別技術對于計算機視覺與模式識別領域的科學研究人員來說具有重要的社會和科學研究意義。

步態特征蘊含在人的行走過程中，包括人的行走頻率相位，軀干傾斜度，腳踝變化，胳膊擺動的不同等等，所以通常一個周期序列圖像中提取出來的步態特征才可以表征一個人的步態特點。但是，在進行步態識別時就面臨著一個實質性的問題：數據量過于龐大。而數據量過大直接導致步態特征提取復雜，運算時間過長等問題。步態能量圖像就能很好地解決這個問題，它利用加權平均的簡單步驟將一周期步態圖(GEI)合成為一幅圖像，這幅圖保留了輪廓、頻率、相位等步態信息。這樣，步態數據量減少到了原來的幾十分之一。由于步態能量圖有這樣的優勢，研究人員利用步態能量圖作為特征直接用于分類。

關于步態的特征提取技術，2001年中國科學院自動化所模式識別國家重點實驗室(NLPR)提出3種步態識別算法，并申請了一項發明專利——基于步態的遠距離身份識別方法(申請專利號01144157.7)，三種識別算法都是結合傳統的主成分分析(Principal?ComponentAnalysis，PCA)的降維方法。西安電子科技大學采用了GEI與主成分分析(PCA)、GEI與核主成分分析(KPCA)、GEI與KPCA+LDA(線性判別分析)等特征提取方法。但這些方法都由于特征提取不精簡存在著計算量大，識別精度不高等問題。

(三)發明內容

本發明的目的在于提供一種能夠有效提高步態識別速度和精度的基于分塊矩陣的步態識別方法。

本發明的目的是這樣實現的：

包括行人目標輪廓的獲取、步態的周期檢測、特征提取和身份識別步驟；

所述的行人目標輪廓的獲取的方法為：首先從視頻中提取單幀圖像進行灰度變換，然后計算各像素點在逐幀中的的中值，作為整個序列的背景圖像，最后采用背景減除法提取人體目標，用數學形態學填補二值化圖像的空洞、單連通分析提取人的側影，使人體居中，將圖像的大小統一為64^*64像素；

所述的步態的周期檢測是根據是根據步態視頻序列中每幀圖像標準中心化后圖形區域擬合的橢圓短軸和離心率的變化情況來觀測步態的周期；

所述的特征提取采用步態能量圖提取步態的整體特征，采用分塊矩陣的方式進一步局部特征提取；

所述的身份識別是將每個有效子塊的特征合為整體，采用最近鄰分類器進行身份判別。

所述的采用步態能量圖提取步態的整體特征，采用分塊矩陣的方式進一步局部特征提取的步驟包括：

(1)步態能量圖

在進行步態的周期檢測之后，通過對一個周期內的步態序列圖像處理生成GEI，GEI為：

G(x,y)=1N=Σt11Bt(x,y)]]>

式中，N是完整步態周期序列的長度，t代表時間，x，y代表二維圖像平面坐標；

(2)基于分塊矩陣的特征提取