[發(fā)明專利]基于非線性耦合度量學(xué)習(xí)的步態(tài)特征融合方法

在審

• 申請?zhí)枺?/td>: 201811540264.0
• 申請日: 2018-12-17
• 公開（公告）號: CN109635754A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 呂卓紋;謝瑞強(qiáng);馮娟;宰文姣;王一斌
• 申請（專利權(quán)）人: 四川師范大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 長春眾邦菁華知識產(chǎn)權(quán)代理有限公司 22214
• 代理人: 王瑩

基于非線性耦合度量學(xué)習(xí)的步態(tài)特征融合方法，屬于模式識別技術(shù)領(lǐng)域。解決了現(xiàn)有技術(shù)中的步態(tài)表征方法識別性能低的技術(shù)問題。本發(fā)明的步態(tài)特征融合方法，步驟如下：步驟一、采用碼本檢測方法從步態(tài)視頻流中獲取人的二值化輪廓序列，并將每幀圖像標(biāo)準(zhǔn)中心化；步驟二、根據(jù)人行走中兩腿分離程度的周期性，檢測非正面步態(tài)周期，并在一個(gè)周期中提取步態(tài)能量圖特征和主動能量圖特征；步驟三、將步態(tài)能量圖特征和主動能量圖特征進(jìn)行非線性耦合度量學(xué)習(xí)，并投影到核耦合空間，得到兩個(gè)新的特征；步驟四、對得到的兩組新特征向量進(jìn)行加權(quán)融合，得到核耦合空間的新步態(tài)特征。該步態(tài)特征融合方法對非正面周期步態(tài)序列有效，識別率高。

技術(shù)領(lǐng)域

本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體涉及一種基于非線性耦合度量學(xué)習(xí)的步態(tài)特征融合方法。

背景技術(shù)

步態(tài)識別是近年來計(jì)算機(jī)視覺和生物特征識別領(lǐng)域的一個(gè)備受關(guān)注的研究方向，與其他生物特征識別技術(shù)相比，步態(tài)識別是生物特征識別中唯一可以遠(yuǎn)距離識別的方法^[1]。步態(tài)的非接觸性、不易偽裝等優(yōu)點(diǎn)，在智能視頻監(jiān)控中有很大的應(yīng)用前景。

然而，行人在行走過程中會受到外在環(huán)境和自身因素的影響，例如不同行走路面、不同視角、不同服飾等因素。在上述影響因素存在的條件下，步態(tài)表征差異給步態(tài)識別帶來困難。可以通過融合不同方式得到的步態(tài)特征，盡可能提取有益于識別的步態(tài)信息，解決在不同行走條件下步態(tài)識別率低的問題。

國內(nèi)外提出了很多基于類能量圖的步態(tài)表征方法，它是周期性時(shí)空步態(tài)特征按照一定規(guī)則的累積類。典型的類能量圖法主要有：A.信息累計(jì)法：Han等人^[2]提出步態(tài)能量圖(Gait Energy Image,GEI)，將歸一化的一個(gè)周期圖像能量疊加，像素的濃度代表在該像素位置人體運(yùn)動的能量，但是該方法會丟失前后幀聯(lián)系的運(yùn)動特征。為了改善GEI丟失前后幀聯(lián)系的運(yùn)動特征，Zhang^[3]提出主動能量圖(Active Eenergy Imag，AEI)，得到更具判別能力的特征；但AEI取得的完全是人體運(yùn)動的動態(tài)信息，靜態(tài)信息完全的舍棄掉了。Lee等人^[4]提出一種步態(tài)運(yùn)動模式的統(tǒng)計(jì)學(xué)描述，計(jì)算步態(tài)周期中每幀每個(gè)像素的二項(xiàng)分布，所有像素的均值和方差的累積得到步態(tài)概率圖，該方法同樣缺少幀間的時(shí)序特征。B.動態(tài)信息引入法：Wang等人^[5]提出了一種時(shí)間保持能量圖提取有時(shí)序的步態(tài)特征；Ksakunniran等人^[6]提出時(shí)空感興趣點(diǎn)表征步態(tài)；但這兩種方法的計(jì)算復(fù)雜度較高。C.信息融合法：Hofmann等人^[7]實(shí)現(xiàn)了深梯度直方能量圖和步態(tài)能量圖決策級融合，但該方法丟失了部分步態(tài)信息。

與發(fā)明相關(guān)的公開報(bào)道包括：

[1]賁晛燁,徐森,王科俊.行人步態(tài)的特征表達(dá)及識別綜述[J].模式識別與人工智能,2012,25(1):71-81.

[2]Han J,Bhanu B.Statistical feature fusion for gait-based humanrecognition[C],Proceedings of the 2004IEEE Computer Society Conference onComputer Vision and Pattern Recognition(CVPR),Washington,DC.IEEE,2004:II-842-II-847.

[3]Zhang E,Zhao Y,Xiong W.Active energy image plus 2DLPP for gaitrecognition[J],Signal Processing,2010,90(7):2295-2302.