[發明專利]基于人工神經網絡的多源步態特征提取與身份識別方法

有效

• 申請號: 201010115897.4
• 申請日: 2010-03-02
• 公開（公告）號: CN101807245A
• 公開（公告）日: 2010-08-18
• 發明（設計）人: 明東;白艷茹;張廣舉;孫長城;萬柏坤
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/20;G06N3/02
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

1.一種基于人工神經網絡的多源步態特征提取與身份識別方法，包括下列步驟：由攝像頭和 紅外熱釋電傳感器分別采集步態數據，對于攝像頭獲取的圖像源信息，提取骨架特征參數 和Radon變化峰值特征參數；對于紅外熱釋電源信息，將采集到的電壓信號轉化為頻域特 征參數；將骨架特征參數和Radon變化峰值特征參數、頻域特征參數分別經過降維和相應 信號處理后進行融合，最后選用BP神經網絡作為分類器對融合特征實現分類識別，并對 識別效果給予評價，其特征是，所述對于攝像頭獲取的圖像源信息，提取骨架特征參數和 Radon變化峰值特征參數，進一步包括下列步驟：運動目標檢測、步態周期的劃分與關鍵 幀提取、運動人體輪廓提取、骨架特征參數提取、Radon變換特征；運動目標檢測進一步 包括：

(1)最小中位方差法背景建模：

[1]選定像素點位置(x，y)；

[2]令P＝0；

[3]依次計算(I¹_(x，y)-P)²，(I²_(x，y)-P)²，…，(I^N_(x，y)-P)²，I¹_(x，y)表示采集的第1 幀序列圖像，依次類推I^N_(x，y)表示采集的第N幀序列圖像；

[4]對計算結果排序，若N為偶數，取排序后第N/2和(N+1)/2個數的平均值，若N 為奇數，則取第N/2個數，結果保存到數組med中，即med₀；

[5]P＝P+1，當P＜＝255，返回[3]，重復執行[3]、[4]、[5]，結果保存為med_p，否則 執行[6]；

[6]找出med₀，med₁，…，med₂₅₅中的最小值，對應P的大小即為該像素點位置的背 景灰度級；

[7]重新選擇像素點位置，返回[2]重復執行，直到圖像中所有像素點均計算完畢， 用上述方法對R、G、B三個分量分別建模，經合成方可獲得RGB格式的彩色背景圖像；

(2)運動分割

利用間接差分函數來執行差分操作：

f.(a,b)=1-2(a+1)(b+1)(a+1)+(b+1)×2(256-a)(256-b)(256-a)+(256-b)---(2)]]>

其中a，b分別表示當前圖像與背景圖像在同一像素點(x，y)處的灰度級， 0≤f(a，b)≤1，0≤a，b≤255，該差分函數的靈敏度可隨背景灰度級自動改變，

差分后通過閾值分割即可得到運動目標二值化圖像：

S(x,y)=1f(a(x,y),b(x,y))≥T0Otherwise---(3)]]>

T是指圖像二值化的閾值，運動人體輪廓提取是從一個起始點開始，按照四連接或八連 接關系逐點跟蹤邊界，輸出每一步移動的方向，直到跟蹤回到起始點為止，然后通過等間隔 重采樣，最終得到歸一化的運動人體輪廓；

骨架特征參數提取是，通過關鍵點坐標建立人體骨架模型，并從中提取角度參數與位置 參數，位置參數包括頭頂部位的橫縱坐標x1，y1、髖部中心的橫縱坐標x2，y2、兩膝蓋處的坐 標x3，y3；x4，y3、兩腳處的坐標x5，y4；x6，y4，共10個，角度參數包括頭頂與兩腳構成的 兩個角度、髖部中點與兩腳構成的兩個角度、髖部中點與兩膝蓋構成的兩個角度，共6個， 各個角度參數的計算方法如下列公式：

a1=arctan(x1-x6y1-y4)---(5)]]>

a2=arctan(x1-x5y1-y4)---(6)]]>

a3=arctan(x2-x3y2-y3)---(7)]]>

a4=arctan(x2-x5y2-y4)---(8)]]>

a5=arctan(x2-x4y2-y3)---(9)]]>

a6=arctan(x2-x6y2-y4)---(10)]]>

將上述關鍵點坐標與由此衍生的6個角度參數合成為一個向量，計為G：

G＝[a1，a2，…a6，x1，x2，…x6，y1，y2…y4]；????????????????????????(11)

其中x1，y1，為第1個關鍵點坐標，依次類推x6，y4，為第6個關鍵點坐標， Radon變換特征是在平行于旋轉坐標系y′軸方向上的線積分，形式如下：

Re(x′)=∫-∞∞f(x′cosθ-y′sinθ,x′sinθ+y′cosθ)dy′---(12)]]>

x′y′=cosθsinθ-sinθcosθxy---(13)]]>

θ是積分的空間角度。