[發(fā)明專利]一種基于相似規(guī)則高斯核函數(shù)分類器的步態(tài)識別方法

有效

• 申請?zhí)枺?/td>: 201410608055.0
• 申請日: 2014-11-02
• 公開（公告）號: CN104299003B
• 公開（公告）日: 2018-08-03
• 發(fā)明（設(shè)計）人: 黃瑋;廖吉平;張宏坤
• 申請（專利權(quán)）人: 天津理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 天津佳盟知識產(chǎn)權(quán)代理有限公司 12002
• 代理人: 李益書

一種基于相似規(guī)則高斯核函數(shù)分類器的步態(tài)識別方法，該方法包括：攝像頭實時采集當(dāng)前背景圖像和檢測目標(biāo)步態(tài)原始圖像序列，并采用歐式距離法等進(jìn)行圖像預(yù)處理，獲得步態(tài)標(biāo)準(zhǔn)圖像序列；運用“間隔取幀”技術(shù)將單個步態(tài)序列分割成三個步態(tài)子序列，并進(jìn)行特征提取，獲得步態(tài)特征向量；利用步態(tài)特征向量數(shù)據(jù)庫中的特征向量進(jìn)行相似規(guī)則構(gòu)建；根據(jù)相似規(guī)則構(gòu)造對應(yīng)的高斯核函數(shù)分類器對檢測目標(biāo)的步態(tài)特征向量進(jìn)行分類，統(tǒng)計并輸出識別結(jié)果。該方法能夠快速進(jìn)行背景去除，并運用圖像正規(guī)化處理和“間隔取幀”技術(shù)提高在不同情境下的適應(yīng)性。此外，新型的基于相似規(guī)則高斯核函數(shù)分類器能有效避免過擬合和維數(shù)災(zāi)難等問題，提高了整體識別精度。

技術(shù)領(lǐng)域

本發(fā)明屬于生物特征識別技術(shù)領(lǐng)域，特別是步態(tài)識別技術(shù)領(lǐng)域，具體涉及一種基于相似規(guī)則高斯核函數(shù)分類器的步態(tài)識別方法。

背景技術(shù)

步態(tài)識別技術(shù)是生物特征識別技術(shù)領(lǐng)域內(nèi)一種新興的身份識別技術(shù)，其主要作用是通過識別人的走路動作來鑒別身份。相對于生物特征識別領(lǐng)域內(nèi)的其它傳統(tǒng)技術(shù)(如：人臉識別、指紋識別、虹膜識別)，步態(tài)識別具有非接觸性、適應(yīng)性強和難以偽裝等優(yōu)點。由于上述的優(yōu)點，步態(tài)識別在視頻圖像識別領(lǐng)域，尤其是在安保監(jiān)控領(lǐng)域有著廣闊的應(yīng)用前景。

近年來，國內(nèi)外學(xué)者相繼開展步態(tài)識別技術(shù)的研究，其技術(shù)難點主要集中在背景建模、步態(tài)特征提取、步態(tài)識別速度和步態(tài)識別精度四個方面。

背景建模方面，去除背景是一項重大的難題，從國內(nèi)外的研究成果來看，背景消除的方法大多采用“迭代消除”的思想，但是該類方法迭代次數(shù)多，算法速度慢，系統(tǒng)性能也隨之降低，無法滿足實際應(yīng)用需要。

步態(tài)特征提取方面，國內(nèi)外的研究論文涵蓋了用于步態(tài)識別的十幾種特征，包括關(guān)節(jié)角度變化規(guī)律、步態(tài)能量圖、最外輪廓距離信號等，但大多對圖像噪聲點敏感。

步態(tài)識別速度方面，普遍的步態(tài)識別系統(tǒng)因采用的方法計算量大，算法效率低，運行環(huán)境大都依賴高性能計算機的支持，在大眾化的PC機上無法滿足實際需要。

步態(tài)識別精度方面，一般系統(tǒng)采用的傳統(tǒng)分類算法都無法有效避免過擬合和維數(shù)災(zāi)難等問題，從而影響系統(tǒng)整體的識別精度。

發(fā)明內(nèi)容

本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)存在的缺點和不足，提供一種基于相似規(guī)則高斯核函數(shù)分類器的步態(tài)識別方法。

本發(fā)明所述的基于相似規(guī)則高斯核函數(shù)分類器的步態(tài)識別方法的具體步驟包括：

S1.攝像頭實時采集當(dāng)前背景圖像和檢測目標(biāo)的步態(tài)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(tài)二值圖像序列；

S2.將去除背景后的步態(tài)二值圖像序列的每張圖像進(jìn)行形態(tài)學(xué)處理，再截取人體輪廓區(qū)域圖像并正規(guī)化成高度為100像素，寬度為128像素的步態(tài)標(biāo)準(zhǔn)圖像，獲得步態(tài)標(biāo)準(zhǔn)圖像序列；

S3.對步態(tài)標(biāo)準(zhǔn)圖像序列運用“間隔取幀”技術(shù)分割成3個包含多個步態(tài)標(biāo)準(zhǔn)圖像的步態(tài)子序列，對于每個子序列中的每張圖像，計算圖像中人體輪廓的質(zhì)心坐標(biāo)和最外輪廓點到質(zhì)心的距離，獲得距離信號；

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

S5.利用步態(tài)特征向量數(shù)據(jù)庫中的所有步態(tài)特征向量進(jìn)行相似規(guī)則構(gòu)建，導(dǎo)出聚類數(shù)目和各聚類中心；

S6.對每個聚類簇中的步態(tài)特征向量，分別構(gòu)造一個高斯核函數(shù)分類器進(jìn)行訓(xùn)練；

S7.按相似規(guī)則找到檢測目標(biāo)的3個步態(tài)子序列特征向量對應(yīng)的高斯核函數(shù)分類器進(jìn)行分類，再求各個子序列步態(tài)特征向量的分類結(jié)果的眾數(shù)作為最終識別結(jié)果；

S8.輸出識別結(jié)果。