[發明專利]一種新的步態周期生成方法

有效

• 申請號: 201410810941.1
• 申請日: 2014-12-19
• 公開（公告）號: CN104537340B
• 公開（公告）日: 2018-01-05
• 發明（設計）人: 胡永健;陳夏輝;劉琲貝;韋崗
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 羅觀祥

技術領域

本發明涉及一種步態識別技術，特別涉及一種新的步態周期生成方法。

背景技術

步態識別是通過人走路的姿勢實現對個體身份鑒別的一種生物特征識別技術。其基本過程是：先從原始步態視頻中檢測運動目標，然后計算生成步態周期，再對代表步態周期的數據進行特征提取，最后將特征進行分類識別。其中，步態周期生成這一環節非常重要，直接關系到所取得的步態周期數據是否準確，是否具有代表性。生成準確有效的步態周期對后續的特征提取與分類識別有著重要的意義。

一幀原始步態圖像無法包含足夠的步態信息，一段包含若干個步態周期的完整步態序列雖然幾乎包括了全部的步態信息，但若取整段步態序列進行計算則會由于大量冗余信息的存在造成時間開銷增大。因此步態識別普遍采用一個步態周期進行分析。顯然，生成準確的步態周期表達對步態特征提取與分類識別有著重要的意義。

目前，國內外研究學者在步態周期生成方法上做了大量的研究。BenAbdelkader等人于2002年在IEEE International Conference on Automatic Face and Gesture Recognition上發表論文“Stride and Cadence as a Biometric in Automatic Person Identification and Verification”，提出利用人體輪廓的邊界矩形框寬度變化來檢測步態周期。該方法的主要缺點是所采用的邊界矩形框的寬度并不總是與步伐的寬度一致，導致邊界寬度的周期性變化與步伐的周期性變化有時存在一定的偏差。Sarkar等人在IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE發表論文“The HumanID Gait Challenge Problem:Data Sets,Performance,and Analysis”，利用人體行走過程中雙下肢面積變化規律來檢測步態周期；王科俊等人于2009年在中國圖象圖形學報發表的論文“基于步態能量圖像和2維主成分分析的步態識別方法”中使用邊界寬高比的變化來檢測步態周期。

上述方法的共同之處在于使用一個步態周期的所有幀作為最終的步態周期表達。然而現實中受光照變化、物體干擾、背景復雜性等因素影響，通常的運動檢測方法難以保證檢測出的運動目標在每個步態周期的所有幀均符合要求，即在任意步態周期都有可能出現不夠理想的幀(如殘缺等)。此外，人在走路過程中隨時可能會暫時停頓或者放慢速度等，導致步態序列中包含大量的重復幀。若使用這些殘缺幀或重復幀作為周期表達，將使樣本集不能完全真實反映樣本屬性，影響識別效果。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種新的步態周期生成方法，該步態周期生成方法能夠剔除步態序列中的殘缺幀和重復幀，利用圖像質量好的幀生成一個步態周期，進而獲取更精確的步態特征，有利于提升步態檢測的結果。

本發明的目的通過下述技術方案實現：一種新的步態周期生成方法，通過在同一個步態序列的各個步態周期中選取圖像質量最好的幀生成一個步態周期，所述的步態周期生成方法包括如下步驟：

步驟1：從待處理步態序列中檢測出各個原始步態周期；

步驟2：設定最終周期表達中包含的幀數k，該幀數應小于步驟1所得各個原始步態周期中包含幀數的最小值；

步驟3：根據步驟2設定的幀數，等間隔地從每個原始步態周期中抽取出k幀作為此周期的代表幀；

步驟4：定義步態幀圖像的質量評判標準，并對由步驟3獲得的所有代表幀計算其質量系數；

步驟5：對于所有步態周期中相同位置上的代表幀，選取圖像質量最好的幀作為該位置的最優幀，各個位置的最優幀構成最終的步態周期表達。

所述步驟1中可根據步伐寬度的周期性變化來檢測各個原始步態周期，相鄰兩個步伐寬度極大值或極小值間所包含的幀為半個周期，連續兩個半周期構成一個步態周期。

所述步驟2中設定的數值應比步驟1中計算的各個原始步態周期包含幀數的最小值要小，并且此數值須為4的整數倍。

所述步驟3中以四分之一步態周期作為基本單元，用步驟2中設定數值的四分之一等間隔劃分每個基本單元，選取離等分點最近的幀作為所在基本單元在該位置上的代表幀，相鄰四個基本單元的代表幀即構成一個完整步態周期的表達。