[發明專利]一種基于卷積神經網絡的步態周期檢測方法

有效

• 申請號: 201910026947.2
• 申請日: 2019-01-11
• 公開（公告）號: CN109766838B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 王科俊;丁欣楠;李伊龍;周石冰;徐怡博
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種基于卷積神經網絡的步態周期檢測方法，對步態視頻進行預處理，包括視頻解碼，行人輪廓提取和質心歸一化的圖像預處理操作；訓練用于提取步態周期性特征的卷積神經網絡；將待測的步態視頻幀序列送入卷積神經網絡中，輸出波形經過濾波后，通過確定相鄰的波峰與波谷的位置即得到一個步態周期。該方法對角度變化、服飾和攜帶物變化都有很強的魯棒性，解決了在正面和背面視角下難以檢測步態周期的問題，本發明方法對提高復雜環境中步態識別精度有重要意義，可用于步態識別中的前端，適用于安全監控、人機交互、醫療診斷和門禁系統等中的身份識別中。

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于卷積神經網絡的步態周期檢測方法。

背景技術

步態識別與生物特征識別方式相比可以在測試者不知情的情況下完成數據的收集工作和遠距離身份的識別。而步態周期檢測是步態識別中一個不可避免的過程，一個具有良好識別率的步態識別算法是建立在一個分割完好的步態周期之上的。又因步態識別具有隱蔽性的特點，數據采集的隨意性較大，行人相對于攝像頭的方向和行人的服飾狀態都可以是任意的，加大了周期檢測的難度。

步態周期檢測技術的發展伴隨著步態識別的發展。現有方法中多以行人寬度作為特征進行步態周期檢測。文獻(Silhouette-Based Human Identification from BodyShape and Gait.IEEE International Conference on Automatic Face and GestureRecognition.2002,366-372)較早的提出了利用身體特征的寬度和高度特征進行周期檢測，但該方法受行人與攝像機距離影響較大。文獻(Gait recognition with transientbinary patterns.Visual Communication and Image Representation.2015,33(C),69-77)等在此基礎上提出利用歸一化的單一的輪廓寬度特征進行步態周期檢測，但該方法在正面與背面視角下難以工作。文獻(Silhouette Analysis-Based Gait Recognition forHuman Identification.Pattern AnalysisMachine Intelligence IEEE Transactionson,2003,25(12):1505-1518)提出利用步態輪廓的寬高比進行步態周期檢測，避免了高度歸一化對行人寬度造成的影響。文獻(Human Identification Using TemporalInformation Preserving Gait Template.IEEE Transactions on Pattern AnalysisMachine Intelligence,2012,34(11):2164-76)通過對每一幀圖像下肢平均寬度的提取來代表該幀在一個完整的步態序列中所代表的位置，避免了攜帶物對行人寬度的影響。總體來說基于身體寬度特征方法在側面90°時能夠有效的檢測出步態周期，但在正面和側面視角時誤差很大，甚至不能工作。文獻(The humanID gait challenge problem:data sets,performance,and analysis.IEEE Transactions on Pattern AnalysisMachineIntelligence,2005,27(2):162-177)選擇利用人體的二維面積作為周期檢測的特征進行特征提取。但同樣存在正面和側面視角時誤差很大的問題。文獻(Dual-ellipse fittingapproach for robust gait periodicity detection.Neurocomputing,2012,79(3):173-178)提出了一種基于雙橢圓擬合的方法。以質心點為分割行人的中心點將行人輪廓按照圖像的垂直方向分為左右兩半，分別用橢圓來進行擬合，使得行人輪廓與橢圓相切，計算該橢圓的離心率，兩個擬合的橢圓的離心率相加作為特征來表示該幀圖像的周期性特征。在側面90°、正面和背面視角下取得了較高的識別率，但在斜視角度如18°和36°等誤差較大。