[發(fā)明專利]一種基于漸弱運(yùn)動軌跡圖的步態(tài)特征表示和特征提取方法

有效

• 申請?zhí)枺?/td>: 202010063082.X
• 申請日: 2020-01-19
• 公開（公告）號: CN111310587B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計(jì)）人: 王修暉;黎光艷
• 申請（專利權(quán)）人: 中國計(jì)量大學(xué)
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/44
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 賈玉霞

本發(fā)明公開一種基于漸弱運(yùn)動軌跡圖的步態(tài)特征表示和特征提取方法，以每一幀為主，輔以后續(xù)的k?1幀，共同構(gòu)造一種特殊的軌跡圖，其中第一幀權(quán)重最大，后續(xù)幀的權(quán)重逐步減少，這種權(quán)重的漸弱效果體現(xiàn)在目標(biāo)軌跡圖中對應(yīng)于不同幀的灰度值遞減上。該方法無需預(yù)先進(jìn)行精確的步態(tài)周期分割，能夠提取蘊(yùn)含于序列圖像之間的時(shí)序化步態(tài)特征，而且不會造成步態(tài)樣本數(shù)量的銳減，相對于基于傳統(tǒng)的步態(tài)能量圖和步態(tài)輪廓圖的步態(tài)特征表示和提取方法，識別準(zhǔn)確率更高。

技術(shù)領(lǐng)域

本發(fā)明涉及生物特征識別技術(shù)領(lǐng)域，尤其涉及一種基于漸弱運(yùn)動軌跡圖的步態(tài)特征表示和特征提取方法。

背景技術(shù)

在智能監(jiān)控等領(lǐng)域中，遠(yuǎn)距離身份識別是一個具有廣闊應(yīng)用前景的研究方向。通過在學(xué)校、廣場、城市道路、商場等公共場所大量架設(shè)視頻監(jiān)控設(shè)備，可以提高公共安全和加大對犯罪份子的威懾力，已經(jīng)成為人們的共識。然而，這些設(shè)備采集的視頻數(shù)據(jù)，目前大多僅僅應(yīng)用于記錄取證，主要技術(shù)原因在于難以有效地遠(yuǎn)距離對視頻中人員進(jìn)行身份識別。與其它的生物特征識別，如人臉識別、指紋識別和虹膜識別相比，步態(tài)識別技術(shù)更適用于遠(yuǎn)距離的人物識別。虹膜識別通常需要目標(biāo)在30厘米以內(nèi)，人臉識別需在5米以內(nèi)，而步態(tài)識別在超高清攝像頭下，識別距離可達(dá)50米。同時(shí)，即使在較低分辨率的視頻環(huán)境下，步態(tài)識別也能達(dá)到較高的識別率，且具有非侵犯性和難于隱藏性等極大優(yōu)勢。但是，目前步態(tài)識別技術(shù)主要集中于基于步態(tài)能量圖的方法，該類方法只有在固定視角等諸多限制條件下才可以取得較高的穩(wěn)定識別率，這極大限制了步態(tài)識別的應(yīng)用范圍。

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，提供一種基于漸弱運(yùn)動軌跡圖的步態(tài)特征表示和特征提取方法。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：

一種基于漸弱運(yùn)動軌跡圖的步態(tài)特征表示和特征提取方法，其特征在于，該方法具體包括如下步驟：

S1：提取二值化步態(tài)輪廓圖序列：從原始步態(tài)視頻中提取所有幀的步態(tài)輪廓二值化圖像，該圖像中，在人體區(qū)域內(nèi)部的像素值為1，其它部分像素值為0；

S2：生成權(quán)重序列：通過分析原始步態(tài)視頻的幀率和行人步頻，自適應(yīng)選擇跨度值k，并根據(jù)k生成一系列具有等比級數(shù)關(guān)系的權(quán)重值；其中，公比r小于1，且跨度值k的取值范圍為：一個自然步態(tài)周期所包含的圖像幀數(shù)k原始步態(tài)視頻的總幀數(shù)N；

S3：合成漸弱運(yùn)動軌跡圖：針對每個特定幀及其后續(xù)的k-1幀，分別使用S2中生成的權(quán)重值與該k幀圖像進(jìn)行加權(quán)融合，得到該k幀圖像對應(yīng)的漸弱運(yùn)動軌跡圖，該步驟共合成的減弱運(yùn)動軌跡圖數(shù)量為N-k+1幅，作為步態(tài)特征表示形式。

進(jìn)一步地，所述的S3中，使用S2中生成的權(quán)重值與該k幀圖像進(jìn)行加權(quán)融合具體為灰度值的加權(quán)融合。

進(jìn)一步地，所述的S2中的公比r的計(jì)算公式為：

其中，b為衰減系數(shù)，取值范圍為(0,1]，表示后續(xù)k-1幀對當(dāng)前幀的影響指數(shù)；a為人正常走路時(shí)，對應(yīng)所述的原始步態(tài)視頻中一個周期內(nèi)的幀數(shù)，取值范圍為[10，50]。

本發(fā)明的有益效果如下：

本發(fā)明通過分析不同步態(tài)視頻中的采集頻率和人的行走速度等內(nèi)容，自適應(yīng)地選擇一個跨度值k，并在此基礎(chǔ)上，將步態(tài)視頻中的每一幀和其后續(xù)k-1幀中的步態(tài)特性編碼為一個灰度差圖像，即漸弱運(yùn)動軌跡圖，作為步態(tài)特征表示形式。編碼后生成的漸弱運(yùn)動軌跡圖不僅包括了連續(xù)k幀之間的動態(tài)步態(tài)特性，還描述了在連續(xù)k幀運(yùn)動過程中，人的位移屬性，即運(yùn)動軌跡。基于本發(fā)明提出的漸弱運(yùn)動軌跡圖，可以為后續(xù)的分類器訓(xùn)練和識別過程提供更加有區(qū)分能力的步態(tài)特征，從而降低了對視角變化和其它干擾因素的敏感性，可在跨視角等步態(tài)識別和分類應(yīng)用中取得更好的效果。

附圖說明

圖1是本方法的實(shí)施流程；