[發(fā)明專利]一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法

有效

• 申請?zhí)枺?/td>: 201810259801.8
• 申請日: 2018-03-27
• 公開（公告）號(hào): CN108416325B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計(jì)）人: 王修暉;馮世靈
• 申請（專利權(quán)）人: 中國計(jì)量大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

本發(fā)明公開了一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法，根據(jù)人行走習(xí)慣特點(diǎn)選取5個(gè)具有代表性的步態(tài)作為關(guān)鍵幀，計(jì)算一個(gè)步態(tài)周期內(nèi)各幀到5個(gè)關(guān)鍵步態(tài)幀的距離并歸一化后構(gòu)造步態(tài)特征向量，利用該步態(tài)特征向量結(jié)合截?cái)嗥娈愔捣纸鈽?gòu)造視角轉(zhuǎn)換模型并訓(xùn)練隱馬爾可夫模型參數(shù)。通過視角轉(zhuǎn)換模型將測試集觀測向量轉(zhuǎn)換為與注冊集相同的視角，最后實(shí)現(xiàn)基于隱馬爾可夫模型的跨視角步態(tài)識(shí)別。經(jīng)視角轉(zhuǎn)換模型轉(zhuǎn)換后的測試集與注冊集具有更高的共性，隱馬爾可夫模型也利于表達(dá)步態(tài)轉(zhuǎn)換過程，該方法結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的優(yōu)點(diǎn)，增強(qiáng)了對視角變化的魯棒性，能夠在跨視角識(shí)別的情況下取得較好的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及身份識(shí)別領(lǐng)域，尤其涉及一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法。

背景技術(shù)

在智能監(jiān)控領(lǐng)域中，遠(yuǎn)距離對人進(jìn)行身份識(shí)別是一個(gè)充滿挑戰(zhàn)且具有廣闊應(yīng)用前景的方向。隨著時(shí)代和經(jīng)濟(jì)的發(fā)展，人類活動(dòng)頻繁，公共場所安全問題面臨極大挑戰(zhàn)。學(xué)校、海關(guān)、城市道路、商場、銀行、車站等場所大量鋪設(shè)了攝像頭監(jiān)控設(shè)備，但大多應(yīng)用于記錄取證，很少用于警報(bào)和預(yù)警，原因在于無法遠(yuǎn)距離對視頻中人員進(jìn)行身份識(shí)別。

現(xiàn)如今基于生物特征的識(shí)別技術(shù)是身份識(shí)別領(lǐng)域的研究熱點(diǎn)，生物特征包括人臉、指紋、虹膜和DNA等與生俱來的生理特征，還包括后天習(xí)慣養(yǎng)成且不易更改的行為特征，如簽名筆跡、走路姿態(tài)等。與其它的生物特征識(shí)別相比，步態(tài)識(shí)別技術(shù)更適用于遠(yuǎn)距離的人物識(shí)別。虹膜識(shí)別通常需要目標(biāo)在30厘米以內(nèi)，人臉識(shí)別需在5米以內(nèi)，而步態(tài)識(shí)別在超高清攝像頭下，識(shí)別距離可達(dá)50米，在低視頻質(zhì)量下也可完成識(shí)別，且具有非侵犯性和難于隱藏性等極大優(yōu)勢。雖然現(xiàn)在步態(tài)識(shí)別在固定視角的限制條件下可以取得較高識(shí)別率，但對視角變化的魯棒性并不高，這極大限制了步態(tài)識(shí)別的應(yīng)用性。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法，包括以下步驟：

一種結(jié)合視角轉(zhuǎn)換模型與隱馬爾可夫模型的步態(tài)識(shí)別方法，其特征在于，包括以下步驟：

(1)數(shù)據(jù)集的獲取：從公開的步態(tài)數(shù)據(jù)庫中獲取一部分步態(tài)圖像，另外現(xiàn)場跟蹤記錄人的步行運(yùn)動(dòng)軌跡，提取視頻序列；

(2)分別將步驟(1)中從數(shù)據(jù)庫中獲取的步態(tài)圖像和提取的視頻序列進(jìn)行步態(tài)特征提取，具體包括以下子步驟：

(2.1)步態(tài)輪廓提取：公開數(shù)據(jù)庫為已經(jīng)處理好的步態(tài)輪廓圖像，現(xiàn)場提取的視頻序列采用背景減除法獲取前景圖像，并經(jīng)形態(tài)學(xué)濾波處理和邊緣跟蹤獲得步態(tài)輪廓圖像；

(2.2)步態(tài)周期分割：根據(jù)行走時(shí)兩個(gè)腳踝間距離變化的周期性分割步態(tài)周期，將正常行走的關(guān)鍵步態(tài)歸納為以下三種情形：腳踝并齊、左腳前右腳后、右腳前左腳后，并分別記為K₁、K₂和K₃，其中所述的腳踝并齊包括左腳提起經(jīng)過右腳側(cè)、右腳提起經(jīng)過左腳側(cè)和并齊站立，然后將一個(gè)完整步態(tài)周期定義為K₁→K₂→K₁→K₃→K₁或K₁→K₃→K₁→K₂→K₁這5個(gè)關(guān)鍵幀的轉(zhuǎn)換過程；