[發明專利]一種基于虛擬姿態樣本合成的異常步態行為識別方法

有效

• 申請號: 201911321748.0
• 申請日: 2019-12-20
• 公開（公告）號: CN111062340B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 羅堅;江沸菠;黎夢霞
• 申請（專利權）人: 湖南師范大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 歐陽迪奇

本發明公開了一種基于虛擬姿態樣本合成的異常步態行為識別方法。使用三維參數化的異常步態真實訓練樣本對虛擬姿態樣本合成模型進行訓練，然后使用訓練完成的模型來生成虛擬樣本，再利用真實訓練樣本和虛擬樣本對SoftMax異常步態行為分類器進行訓練，訓練完成后即能夠通過分類器對采集的異常步態行為進行準確識別。本發明所采用的虛擬姿態樣本合成方法和特征調制機制，可以有效解決人體異常步態真實訓練樣本少的問題，顯著提高異常步態行為檢測和識別模型的魯棒性，具有廣泛的應用前景，包括：危險區域異常步態行為識別，老齡人異常步態行為檢測，智能駕駛和安防中的行人步態行為分析等，有很好的經濟和社會效益。

技術領域

本發明涉及一種基于虛擬姿態樣本合成的異常步態行為識別方法。

背景技術

異常步態通常指人體行走時的各種非正常的動作和姿態。作為一種重要的生物特征，它可以用來實現老齡人異常步態行為檢測，安防領域中的異常行為監測，自動駕駛環境下的行人異常行為分析，醫學中的步態癥狀評估和分析等，具有很廣闊的應用前景和較大的實用價值。

當前通過視覺手段對異常步態行為進行檢測和識別，主要有兩種方法：一種基于傳統二維圖像數據，另一種基于結構光傳感器采集的三維點云數據。使用二維視覺方法比較直觀且方便，使用二維彩色攝像機來獲取人體的步態運動圖像數據，并通過模式識別方法進行檢測和分析。比如，使用人體質心所在的相對位置來判斷跌到，使用二值步態輪廓和支持向量機來進行異常步態行為的檢測分類，使用步態能量圖或運動歷史圖等基于統計信息的步態圖像來進行異常步態特征的表述和分類識別等。

由于人體視覺是三維系統，通過三維攝像機采集的深度或點云數據來進行異常步態行為分析，可以充分發揮三維視覺的優勢。比如使用深度攝像機來進行人體行為識別，通過法向量來提取人體運動能量特征的方法，實現對異常步態行為的分類和識別。使用濾波方法來獲取深度視頻中的局部特征點，通過深度長方體相似性特征描述和度量方法，將其應用于行為檢測和識別算法中。

當前，無論二維檢測方法還三維識別方法，都存在一個比較明顯的問題，就是異常步態的訓練樣本不足。相比正常步態而言，真實異常步態行為數據太少，其中涉及到個人隱私等問題。由于無法大規模采集訓練樣本，因而形成了模式識別中的小樣本問題。小樣本問題，會使得異常步態檢測識別在面對視角和形體變換，遮擋和衣著變化等外在因素時，直接影響到識別模型的識別準確性。二維步態圖像由于缺少深度信息，無法構建三維空間模型，無法充分發揮三維人體模型的特點進行虛擬樣本擴展。

當前，基于結構光深度傳感器的人體行為檢測識別方法得到了不少的關注。但是，結構光傳感器所獲取的人點云數據往往是雜亂無章的，同時也會受到光線、背景和遮擋等外界干擾，數據存在噪音和缺失。與此同時，三維異常人體步態數據獲取比二維更加困難，比如摔倒，昏厥，跛腳等數據采集難度大，真實數據較少，大多是通過正常人員或專業演員模擬得到的單一視角數據。

在生物特征小樣本擴展方面，通常使用兩種技術，一種是根據生理結構對稱性假設的鏡像對稱虛擬樣本合成，如人臉識別中的左右完全對稱樣本合成。另一種是通過添加高斯噪音到原來樣本中，以生成新的虛擬樣本。鏡像虛擬樣本是一種完全對稱的操作，但即使是正常健康的人，其人體也不是完全對稱的，鏡像對稱是一種理想的假設，與實際存在偏差，一定程度上會影響到真實的識別效果。而添加高斯噪音的方法，可以解決圖像識別中的普通白噪音干擾問題，但并不能解決不同人在相同動作上的個體差異問題，即不同人在同一個動作上，其姿態關節的變化上存在差異。同時對于加入高斯噪音的均值和方差很難自動選取，噪音過小作用不明顯，噪音過大可能影響到分類結果，通常依據個人經驗來設定，因此通用性不強。

發明內容