[發明專利]一種基于相似規則高斯核函數分類器的步態識別方法

有效

• 申請號: 201410608055.0
• 申請日: 2014-11-02
• 公開（公告）號: CN104299003B
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 黃瑋;廖吉平;張宏坤
• 申請（專利權）人: 天津理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 天津佳盟知識產權代理有限公司 12002
• 代理人: 李益書

1.一種基于相似規則高斯核函數分類器的步態識別方法，其特征在于包括以下步驟：

S1.攝像頭實時采集當前背景圖像和檢測目標的步態原始圖像序列，并采用歐式距離法去除背景，得到去除背景后的步態二值圖像序列；

S2.將去除背景后的步態二值圖像序列的每張圖像進行形態學處理，再截取人體輪廓區域圖像并正規化成高度為100像素，寬度為128像素的步態標準圖像，獲得步態標準圖像序列；

S3.對步態標準圖像序列運用“間隔取幀”技術從中等間隔地取3個步態子序列(每個子序列包含多張步態標準圖像)，對于每個子序列中的每張圖像，計算圖像中人體輪廓的質心坐標和最外輪廓點到質心的距離，提取出3個不同的距離信號子序列；

S4.給定特征值積累閾值τ，將獲得的距離信號進行主成分分析降維；然后，對降維后的距離信號按每個步態子序列求均值，將該均值距離信號作為該子序列的步態特征向量；

S5.利用步態特征向量數據庫中的所有步態特征向量進行相似規則構建，導出聚類數目和各聚類中心；

S6.對每個聚類簇中的步態特征向量，分別構造一個高斯核函數分類器進行訓練；

S7.按相似規則找到檢測目標的3個步態子序列特征向量對應的高斯核函數分類器進行分類，再求各個子序列步態特征向量的分類結果的眾數作為最終識別結果；

S8.輸出識別結果。

步驟S5中相似規則構建由以下三個子步驟構成:求解數據輪廓參數γ，利用相似度聚類算法更新數據點和利用層次聚類算法劃分聚類簇；相似規則構建的詳細步驟為：

S51.求解數據輪廓參數γ：

S511.令當前迭代次數t＝1，并給定相關系數終止閾值ε₁；

S512.計算和的相關系數，其中n為樣本點數目，γ_t＝5t；其中

S513.如果相關系數大于或等于指定的ε₁，選擇γ_t作為γ的估算值，否則令t＝t+1，重復步驟S512；

S52.利用相似度聚類算法更新數據點：

S521.初始化給定終止閾值ε₂，設置初始迭代次數η＝0；

S522.計算S_ij＝(exp(-||x_j-z_i||²)/β)；

S523.計算令η＝η+1，直至

S53.利用層次聚類算法劃分聚類簇：

S531.令劃分閾值ε₃＝3ε₂；

S532.對步驟S52完成后獲得的進行層次聚類，按劃分閾值ε₃找出對應的聚類數目c^*和各聚類中心。

2.根據權利要求1所述的步態識別方法，其特征在于：步驟S3所述的“間隔取幀”技術為將步態標準圖像序列按編號每間隔三張取幀，形成三個子序列(例如：(1，4，7…),(2，5，8…),(3，6，9…))。

3.根據權利要求1所示的步態識別方法，其特征在于所述的最終識別結果是：計算檢測目標的各步態子序列特征向量與各個聚類中心點的相似度，選擇最相似的中心所屬的多分類模型進行分類識別，并求分類結果的眾數作為最終識別結果。