[發明專利]一種視頻監控系統及其實時步態識別方法

有效

• 申請號: 201710972984.3
• 申請日: 2017-10-18
• 公開（公告）號: CN107766819B
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 王希娟;費民權
• 申請（專利權）人: 陜西國際商貿學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/194
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李宏德

1.一種視頻監控系統的實時步態識別方法，其特征在于，包括如下步驟，

步驟1，視頻圖像預處理；

步驟1.1，將處理樣本中通過采集獲得有用戶出現的視頻圖像序列，對視頻圖像序列采用背景減除法得到人體前景圖像，經過二值化和輪廓化處理后得到人體二值化輪廓圖像；

步驟1.2，計算視頻圖像序列中各圖像的人體最小外接矩形，并按照最小外接矩形對各圖像進行裁剪，得到系列圖像幀；

步驟1.3，在保持寬高比不變的情況下，按照系列圖像幀的圖像高度最大值進行各圖像的縮放；

步驟1.4根據系列圖像幀的寬高比變化，求出人體寬高比隨時間變化的曲線，并選取連續三個波谷的時間間隔內所對應的所有圖像，以此作為一個步態周期的圖像序列；

步驟2，步態特征的提取；

在預處理后的一個步態周期圖像序列基礎上提取包括人體質心高度變化、人體行走時步幅變化和人體骨盆關節點到下肢各輪廓點角度距離變化的三種步態特征；

步驟3，步態特征的相似性度量和分類識別；

通過步驟1和2分別提取待測樣本和數據庫中參考樣本的步態特征，使用歐式距離計算待測樣本與參考樣本之間的失真度；采用DTW算法計算二者之間的最小失真度累積和；由于失真度越小，相似性越大，繼而采用最近鄰分類器NN進行步態識別，當識別用戶身份合法時，反饋提示信息；當識別用戶身份不合法時，反饋報警信號，實現待測樣本中用戶身份的識別；

步驟2中提取步態特征包括如下步驟；

步驟2.1，提取各幀圖像的質心，并以質心的高度，即質心橫坐標絕對值作為單幀圖像的第一個特征向量，記作F_a；

步驟2.2，除雙腳并攏情況以外，定義第m幀圖像的步幅w_m為該幀圖像的寬度，以此作為單幀圖像的第二個特征向量，記作F_b；

步驟2.3，提取下肢角度距離特征作為單幀圖像的第三個特征向量；

步驟2.4，將計算得到的三種步態特征組合在一起，形成單幀圖像的一維特征向量，記為F＝[F_a,F_b,F_c]；

步驟2.5，使用一個步態周期內所有圖像幀的特征參數集表示該周期內圖像序列的步態特征，記為：

Z(e)＝[F_e(1),F_e(2),F_e(3),…,F_e(k),…,F_e(f)]；

其中，Z(e)表示第e號運動目標周期內的整體步態特征，F_e(k)是e號運動目標第k幀圖像的步態特征向量，f表示周期內圖像幀數總額；

步驟2.3中，提取下肢角度距離特征作為單幀圖像的第三個特征向量，具體地包括以下步驟：

步驟2.3.1，求骨盆關節點坐標；

根據人體解剖學理論中的各關節點與人體的比例關系，先求出單幀圖像的骨盆關節點坐標P(x_p,y_p)的橫坐標值x_p，計算公式如下：

x_p＝(1-0.53)×hei；

其中，hei為該幀圖像最小外接矩形的高度；

然后根據計算得到的x_p，對存儲人體輪廓像素的矩陣進行掃描，找出橫坐標值等于x_p的像素點坐標，記錄距離骨盆關節點P最近的兩個像素點，其中橫坐標值較小的像素點記為P_l(x_l,y_l)，橫坐標值較大的像素點記為P_r(x_r,yr)，計算骨盆關節點的縱坐標為：

y_p＝y_l+(y_r-y_l)/2；

步驟2.3.2，求下肢輪廓點到骨盆關節點方向與y軸的夾角；

首先，對提取的人體輪廓像素點進行逐個掃描，記錄橫坐標值大于等于x_p的像素點，記錄的像素點坐標即為下肢輪廓點的所有像素坐標，記為D_i(x_i,y_i)；

其次，由P_l(x_l,y_l)和骨盆關節點P(x_p,y_p)構造基準向量M_p，將下肢輪廓的每個像素點D_i(x_i,y_i)與骨盆關節點P(x_p,y_p)構造向量N_p；計算N_p沿逆時針方向與M_p的夾角，并記為該像素點的角度α，計算公式如下：

步驟2.3.3，計算下肢輪廓點到骨盆關節點的距離；

從下肢輪廓像素點P_l(x_l,y_l)開始，到下肢輪廓像素點P_r(x_r,y_r)為止，選取n個等間距間隔，每個間隔為(180/n)°；根據像素點角度α的計算公式，再計算出第i個間隔在下肢輪廓的起止像素點坐標，并以此為依據，求出第i個間隔內所有像素點坐標到骨盆關節點的距離lin_j；

步驟2.3.4，計算第i個間隔內各下肢輪廓點到骨盆關節點的距離均值，公式如下：

其中，t表示各間隔內不同的像素個數；

步驟2.3.5，對于一個周期內的f幀圖像，計算每相鄰兩幀圖像在第i個間隔的角度距離均值變化率，公式如下：

步驟2.3.6，將相鄰兩幀圖像各個間隔的角度距離均值變化率組合在一起，形成角度距離的一維特征向量，記作：

F_c＝[(Δlin₁)_k-1,k,(Δlin₂)_k-1,k,…,(Δlin_i)_k-1,k,…,(Δlin_n)_k-1,k]；

其中，k＝1,2,…,f；i＝1,2,…,n。