[發(fā)明專利]基于多輪廓特征融合的步態(tài)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710625809.7
• 申請(qǐng)日: 2017-07-27
• 公開(kāi)（公告）號(hào): CN107480604A
• 公開(kāi)（公告）日: 2017-12-15
• 發(fā)明（設(shè)計(jì)）人: 李占利;袁鵬瑞;李洪安
• 申請(qǐng)（專利權(quán)）人: 西安科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 西安銘澤知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)61223
• 代理人: 李振瑞

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺(jué)技術(shù)領(lǐng)域，特別是涉及基于多輪廓特征融合的步態(tài)識(shí)別方法。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，安全已經(jīng)成為了一個(gè)不可避免的問(wèn)題，無(wú)論是公共安全還是個(gè)人信息安全，都需要得到有效的保護(hù)。身份識(shí)別是安全中非常重要的一環(huán)，它能夠鑒別身份并判斷其是否具有行使某種權(quán)利的資格，可以在刑偵領(lǐng)域提供很多證據(jù)，可以作為一個(gè)公司考勤的依據(jù)等。但傳統(tǒng)身份識(shí)別方法(例如手工簽到和筆跡等)因?yàn)榧夹g(shù)過(guò)于簡(jiǎn)陋，極易被別人偽造和使用，已經(jīng)難以滿足這個(gè)社會(huì)的需求。而生物特征識(shí)別技術(shù)(例如指紋識(shí)別、人臉識(shí)別和DNA等)能夠方便快捷的解決這個(gè)問(wèn)題，并且更加的安全可靠，可以根據(jù)不同的應(yīng)用領(lǐng)域配備不用的設(shè)備進(jìn)行識(shí)別，并實(shí)現(xiàn)自動(dòng)化管理。

類似于指紋識(shí)別、人臉識(shí)別和DNA這類的生物特征識(shí)別在使用時(shí)是需要目標(biāo)配合并且接近甚至觸摸到識(shí)別設(shè)備的，但是在一些公共場(chǎng)合我們無(wú)法要求每個(gè)人都配合識(shí)別。這時(shí)步態(tài)識(shí)別就進(jìn)入了我們的視野當(dāng)中，類似于我們?nèi)搜弁ㄟ^(guò)一個(gè)人走路的姿態(tài)來(lái)鑒別自己熟悉的人的身份，步態(tài)識(shí)別從視頻中提取目標(biāo)各類不同的特征，通過(guò)這些特征來(lái)進(jìn)行識(shí)別。步態(tài)識(shí)別對(duì)視頻圖像要求不高，不需要目標(biāo)的配合或者與識(shí)別設(shè)備有物理上接觸，可以在遠(yuǎn)距離的進(jìn)行身份識(shí)別，另外步態(tài)是一個(gè)人的習(xí)慣使然，是很難去偽裝的。綜上所述，步態(tài)識(shí)別相對(duì)其他的生物特征識(shí)別技術(shù)有著許多獨(dú)特的優(yōu)勢(shì)，這些優(yōu)勢(shì)使得它成為一種獨(dú)特的最有前景和潛力的生物特征，在安全監(jiān)控實(shí)、醫(yī)學(xué)治療及運(yùn)動(dòng)等方面有著廣泛的應(yīng)用前景。

現(xiàn)有的步態(tài)識(shí)別有的是基于模型的人體特征為基礎(chǔ)的，這類方法人體建模復(fù)雜，識(shí)別過(guò)程繁瑣且得到的特征識(shí)別率不高；有的是基于非模型的方法，這類方法現(xiàn)在使用較為普遍，但是現(xiàn)有的技術(shù)都在考慮用一種方法去解決一些很廣泛的問(wèn)題，并且識(shí)別率不高，很顯然在不同的場(chǎng)景下使用能夠?qū)?yīng)相對(duì)的問(wèn)題的方法才能取得較好的識(shí)別率。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了基于多輪廓特征融合的步態(tài)識(shí)別方法，可以解決現(xiàn)有技術(shù)中存在的問(wèn)題。

基于多輪廓特征融合的步態(tài)識(shí)別方法，包括以下步驟：

使用攝像機(jī)獲取目標(biāo)的視頻信號(hào)，然后從所述視頻信號(hào)中逐幀獲取步態(tài)圖像，對(duì)獲取的步態(tài)圖像轉(zhuǎn)換為灰度圖像；

對(duì)所述灰度圖像采用背景減除法獲取對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)圖像；

以所述運(yùn)動(dòng)目標(biāo)圖像中的目標(biāo)輪廓為基礎(chǔ)，相鄰三次運(yùn)動(dòng)目標(biāo)圖像的寬度達(dá)到最大值時(shí)的幀數(shù)作為一個(gè)步態(tài)周期，一個(gè)步態(tài)周期內(nèi)的多個(gè)運(yùn)動(dòng)目標(biāo)圖像組成一個(gè)步態(tài)圖像序列；

對(duì)所述步態(tài)圖像序列中的各圖像分別進(jìn)行關(guān)鍵距離特征提取、輪廓寬度特征提取和統(tǒng)計(jì)小波特征提取三個(gè)處理，分別得到關(guān)鍵距離特征、輪廓寬度特征和統(tǒng)計(jì)小波特征，將得到的關(guān)鍵距離特征、輪廓寬度特征和統(tǒng)計(jì)小波特征用拼接的方法結(jié)合在一起，得到一個(gè)一維的特征向量作為最終的特征向量；

計(jì)算上述特征向量和樣本空間中各樣本之間的歐氏距離，選取計(jì)算得到的多個(gè)歐式距離中最小的一個(gè)，將特征向量分配到相應(yīng)的樣本類中。

本發(fā)明實(shí)施例中的基于多輪廓特征融合的步態(tài)識(shí)別方法，使用了目前步態(tài)識(shí)別中常見(jiàn)的基于非模型的方法提取特征，該方法簡(jiǎn)單有效，所有的特征在同一組圖像序列中提取，使得特征方便提取，而且本發(fā)明提取的特征維度較低，因此識(shí)別時(shí)反應(yīng)時(shí)間較短。本發(fā)明的方法在90度的視角下取得98.33％的識(shí)別率，同時(shí)在其他角度下也有著90％以上的識(shí)別率。

具體實(shí)施方式

下面將對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例提供了基于多輪廓特征融合的步態(tài)識(shí)別方法，該方法包括以下步驟：

獲取待測(cè)圖像序列：使用攝像機(jī)獲取目標(biāo)的視頻信號(hào)，然后從所述視頻信號(hào)中逐幀獲取步態(tài)圖像，對(duì)獲取的步態(tài)圖像轉(zhuǎn)換為灰度圖像。

運(yùn)動(dòng)檢測(cè)：對(duì)上述獲得的多個(gè)灰度圖像采用背景減除法獲取對(duì)應(yīng)的多個(gè)運(yùn)動(dòng)目標(biāo)圖像。

周期檢測(cè)：定義運(yùn)動(dòng)目標(biāo)同一條腿兩次向前跨幅達(dá)到最大時(shí)為一個(gè)周期，對(duì)上述獲取的多個(gè)運(yùn)動(dòng)目標(biāo)圖像以目標(biāo)輪廓為基礎(chǔ)，相鄰三次運(yùn)動(dòng)目標(biāo)圖像的寬度達(dá)到極大值時(shí)的幀數(shù)作為一個(gè)步態(tài)周期，一個(gè)步態(tài)周期中的運(yùn)動(dòng)目標(biāo)圖像組成一個(gè)步態(tài)圖像序列。

特征提取：對(duì)上述獲取的步態(tài)圖像序列中的各圖像進(jìn)行以下三個(gè)處理：關(guān)鍵距離特征提取、輪廓寬度特征提取和統(tǒng)計(jì)小波特征提取。