[發明專利]基于特征融合的正面步態識別方法

在審

• 申請號: 202011226134.7
• 申請日: 2020-11-05
• 公開（公告）號: CN112633058A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 王丹;潘一凡
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種基于特征融合的正面步態識別方法，其特征在于，步驟如下：

步驟一：預處理

對正面步態的每一幀圖像依次進行運動目標提取、形態學處理、冗余幀去除、歸一化處理；

步驟二：特征提取與降維

首先進行步態周期檢測，將步態周期圖像的最后一個周期的波峰波谷作為步態動態特征，并根據周期圖像合成步態能量圖，在步態能量圖中提取Gabor小波特征，利用PCA+LDA的方法進行特征數據降維得到靜態特征，；

步驟三：特征融合

將步驟二中的動態特征與靜態特征進行特征融合

步驟四：分類識別

使用SVM分類器進行步態的訓練和識別，采用一對一法構建分類器；一對一法是在每個類別之間都構造分類器，對于k類樣本問題共需構造k(k-1)/2個分類器,組合這些兩類分類器并使用投票法，票數最多的類為樣本所屬類，SVM核函數選取徑向基函數。

2.根據權利要求1所述的基于特征融合的正面步態識別方法，其特征是：

(1)形態學處理

對已經人體運動目標圖像進行形態學處理，去除二值化圖像存在的空洞；

(2)目標提取

利用8連通分量分析的方法來提取一個單連通的運動目標，即去除殘余噪聲；

(3)冗余幀去除

冗余幀是指含有不完整人體目標的二值化圖像，需將此類型的幀去除；

(4)歸一化處理

根據人體輪廓坐標裁剪出標準的步態圖像，得到尺寸歸一化圖像；

步驟二：特征提取與降維

1)步態周期檢測

根據人體下四分之一區域左右兩側像素點數比值的變化獲取步態周期

2)生成步態能量圖

利用加權平均將一個步態周期的圖像合成一張圖像，定義為如下式：

式中T代表步態周期幀數，B_t(x,y)代表第t幀圖像在點(x,y)的像素值；

(3)基于Gabor小波變化的特征提取

將步態能量圖與Gabor小波核卷積，卷積定義如下：

O_u,v(x,y)＝G(x,y)*ψ_u,v(x,y)

其中ψ_u,v(x,y)代表二維Gabor小波核，u代表Gabor核的方向，v代表Gabor核的尺度；

(4)特征提取與降維

對每幅圖的Gabor特征進行下采樣，令采樣因子ρ＝4，將特征維數降低為原來的四分之一，再利用PCA與LDA的降維方法，將Gabor小波特征映射到十維以內的低維度空間；

步驟三：特征融合

將經過平滑處理的步態周期圖像的最后一個周期的波峰波谷作為步態動態特征，再將其與步態周期和降維后的Gabor小波特征融合；

步驟四：分類識別。