[發(fā)明專(zhuān)利]一種基于最優(yōu)軸投影特征的步態(tài)識(shí)別方法和系統(tǒng)

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200910086335.9
• 申請(qǐng)日: 2009-05-31
• 公開(kāi)（公告）號(hào): CN101571918A
• 公開(kāi)（公告）日: 2009-11-04
• 發(fā)明（設(shè)計(jì)）人: 江潔;陳鋒;張廣軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京航空航天大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/46
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙）
• 代理人: 張穎玲;王黎延

技術(shù)領(lǐng)域

本發(fā)明涉及步態(tài)識(shí)別技術(shù)，尤其涉及基于最優(yōu)軸投影特征的步態(tài)識(shí)別方法。?

背景技術(shù)

步態(tài)識(shí)別是一種新的基于生物特征的身份識(shí)別技術(shù)，其主要內(nèi)容是根據(jù)人走路的姿態(tài)來(lái)識(shí)別個(gè)人的身份。與人臉識(shí)別、指紋識(shí)別和虹膜識(shí)別等生物識(shí)別技術(shù)相比其具有以下優(yōu)點(diǎn)：非侵犯性、可基于低分辨率圖像進(jìn)行識(shí)別、識(shí)別對(duì)象難以隱藏和可遠(yuǎn)距離進(jìn)行識(shí)別等。早期的醫(yī)學(xué)研究表明：如果考慮人體步態(tài)的24種成份，那么每個(gè)人的步態(tài)是唯一的。也就是說(shuō)，步態(tài)識(shí)別可以唯一標(biāo)識(shí)一個(gè)人的身份。?

目前，在步態(tài)識(shí)別領(lǐng)域研究人員提出了大量的算法，主要可分為基于模型(model-baded)的方法和基于整體(appearance-baded)的方法兩種類(lèi)型。其中，基于模型的方法就是為人體建模，然后提取模型中的一些參數(shù)作為特征，最后進(jìn)行分類(lèi)識(shí)別；基于整體的方法是從人體輪廓形狀的變化等角度抽取特征，然后進(jìn)行識(shí)別，由于獲取的特征往往是高維的，所以處理過(guò)程需要考慮具體的維數(shù)約減或特征提取，目前沒(méi)有統(tǒng)一的降維或特征提取技術(shù)來(lái)完成這一任務(wù)。?

具體的，現(xiàn)有技術(shù)中基于整體的步態(tài)識(shí)別方法有多種，比如：?

1、Amit?Kale，Aravind?Sundaresan，A.N.Rsjagopalan，Naresh?P.Countoor，Amit?K.Roy-Chowdhury，Volker?Kruger?and?Rama?Chellappa.2004年9月在IEEE圖像處理匯刊中發(fā)表的名稱(chēng)為《基于輪廓寬度的步態(tài)識(shí)別方法》的文章；?

2、Liang?Wang，Tieniu?Tan?Senior?Member，IEEE，Huazhong?Ning?andWeiming?Hu.2003年12月在IEEE模式分析與機(jī)器智能匯刊中發(fā)表的名稱(chēng)為《輪廓解卷繞的步態(tài)識(shí)別方法》的文章。?

上述兩種步態(tài)識(shí)別方法的共同特點(diǎn)是對(duì)輪廓坐標(biāo)進(jìn)行了變換，用一種新的數(shù)據(jù)結(jié)構(gòu)來(lái)描述二維輪廓，即：將二維平面坐標(biāo)變?yōu)橐痪S數(shù)據(jù)來(lái)表示，這些方法的特點(diǎn)是通過(guò)降維，減少計(jì)算的數(shù)據(jù)量。但是，這兩種方法各自還存在一定的局限性：?

第一種，基于輪廓寬度的步態(tài)識(shí)別方法，雖然計(jì)算簡(jiǎn)單，但是，在數(shù)據(jù)降維的過(guò)程中，步態(tài)信息的損失量大，步態(tài)識(shí)別率相對(duì)較低。?

第二種，輪廓解卷繞的步態(tài)識(shí)別方法，雖然該方法對(duì)數(shù)據(jù)降維后能夠保留較多的步態(tài)信息、識(shí)別率高，但是，該方法在提取步態(tài)特征的過(guò)程中，要計(jì)算輪廓上點(diǎn)(x_i，y_i)到質(zhì)心(x_c，y_c)的距離?需要進(jìn)行平方和開(kāi)方運(yùn)算，計(jì)算復(fù)雜、速度慢。?

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的主要目的在于提供基于最優(yōu)軸投影特征的步態(tài)識(shí)別方法和系統(tǒng)，能夠保留更多的原始步態(tài)信息，進(jìn)而提高識(shí)別率，降低計(jì)算復(fù)雜度，提高計(jì)算速度。?

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：?

本發(fā)明提供了一種基于最優(yōu)軸投影特征的步態(tài)識(shí)別方法，包括：?

a.對(duì)測(cè)試圖片序列和每個(gè)測(cè)試對(duì)象的參考圖片序列分別進(jìn)行背景建模及步態(tài)區(qū)域檢測(cè)，得到每幅圖片的步態(tài)區(qū)域圖像；?

b.根據(jù)得到的步態(tài)區(qū)域圖像，求取測(cè)試對(duì)象輪廓的最優(yōu)軸；再根據(jù)得到的最優(yōu)軸，獲取測(cè)試對(duì)象輪廓上的點(diǎn)到最優(yōu)軸的投影，得到基于最優(yōu)軸投影的步態(tài)特征；?

其中，所述求取測(cè)試對(duì)象輪廓的最優(yōu)軸具體為：以測(cè)試對(duì)象的輪廓質(zhì)心為原點(diǎn)，提取步態(tài)區(qū)域圖像序列中測(cè)試對(duì)象輪廓點(diǎn)的坐標(biāo)向量[x?y]^T；將得到的輪廓坐標(biāo)向量組成矩陣T，求取T與T^T的乘積矩陣的特征值λ₁和λ₂(λ₁＞λ₂)、以及對(duì)應(yīng)的特征向量e₁和e₂；根據(jù)得到的特征向量e₁，獲得測(cè)試對(duì)象的最優(yōu)軸方程；?

c.對(duì)所提取的步態(tài)特征進(jìn)行相似性度量；?

d.根據(jù)測(cè)試圖片序列的步態(tài)特征與每個(gè)測(cè)試對(duì)象的參考圖片序列的步態(tài)特征的相似程度，識(shí)別出測(cè)試圖片序列中的測(cè)試對(duì)象。?

較佳地，所述最優(yōu)軸為通過(guò)輪廓質(zhì)心的直線。?

較佳地，所述得到基于最優(yōu)軸投影的步態(tài)特征具體為：?

b21、提取步態(tài)區(qū)域圖像I上輪廓點(diǎn)坐標(biāo)向量[x?y]^T，根據(jù)所提取的輪廓點(diǎn)坐標(biāo)向量構(gòu)建矩陣z；?