[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

基于特征融合的正面步態識別方法，屬于模式識別技術領域。該方法主要針對解決單一特征步態識別率低的問題，首先提取步態能量圖中的動態區域并利用Gabor小波變換提取特征，由于提取后的特征維度較高，需進行降維處理，針對傳統PCA降維分類性較差的缺點，本發明將降維后的數據作為靜態特征。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并將其用于描述步態序列的動態特征，基于特征融合的思想，本發明首次將利用PCA與LDA降維后的靜態數據特征與描述步態序列的動態特征相融合，最后將融合的特征向量輸入到基于多分類的支持向量機中，完成步態的分類和識別。相比較單一特征的步態識別方法，本發明提出的融合算法表現出更好的識別性能。

技術領域：

本發明屬于模式識別領域，涉及的是一種基于特征融合的正面步態識別的新方法，是一種利用計算機技術、圖像處理、模式識別的實現人體正面步態自動分析與判別的方法，是生物識別領域中關于步態特征提取與識別的算法

背景技術：

隨著現代計算機和網絡技術的發展，信息安全的重要性日益凸顯。傳統的身份證，密碼等身份識別方式已經遠不能滿足要求。生物特征識別技術作為一種身份識別手段以其固有的優勢，越來越來受到人的關注。

生物特征被認為是幾乎不可能進行偽造的，而步態識別作為生物特征識別的一個代表，

步態可在被觀察者沒有覺察的情況下從任意角度進行非接觸性的感知和度量，且其具有遠距離性、隱蔽性和非侵擾性等優點，因此從視覺監控的觀點來看，步態是遠距離情況下最有潛力的生物特征，其研究價值巨大。

步態識別大致分為三個步驟：圖像預處理、特征提取、分類識別。其中特征提取是較為關鍵的步驟，步態特征提取按照方式的不同分為以下兩類:1) 根據步態圖中各類身體參數提取靜態特征；2)在步態序列中提取動態特征信息。Gabor小波是哺乳動物視覺皮層簡單細胞感受野模型的良好近似，它能捕捉空間位置、方向和空間頻率選擇性，可以將原始圖像的方向與尺度特征很好的表示出來。目前已有人利用Gabor小波變換提取步態能量圖中的特征,并利用PAC進行數據降維處理。

本發明針對傳統PCA降維分類性較差以及單一特征步態識別率低的問題的缺點，提出一種基于特征融合的正面步態識別新方法。

發明內容：

本發明的內容是提出一種基于特征融合的正面步態識別新方法。首次將利用PCA與LDA降維后的靜態數據特征與描述步態序列的動態特征相融合，最后將融合的特征向量輸入到基于多分類的支持向量機中，完成步態的分類和識別。我們在中科院自動化所提供的CASIA B步態數據庫上對該方法進行了評測，結果表明，與采用單一特征以及利用單純利用PCA進行的降維的方法相比，本方法具有更高的識別率。

本發明的技術內容如下：

首先進行運動目標提取，然后利用提出的基于人體下四分之一區域左右兩側像素點數比值的變化進行步態周期檢測，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。根據一個周期內的圖像生成步態能量圖，提取步態能量圖中的Gabor小波特征向量，并利用PCA+LDA的方法進行降維處理，將其作為靜態特征。將上述兩種方法得到的特征進行融合，利用SVM 分類器對步態特征進行分類，具體步驟如下：

步驟一：預處理

(1)形態學處理

對已經人體運動目標圖像進行形態學處理，一去除二值化圖像存在的空洞，獲得更優的分割效果；

(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，從而獲得更優的二值輪廓圖；

(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，達到縮短周期檢測時間、降低周期檢測誤差的目的

(4)歸一化處理