[发明专利]一种多区域特征融合的步态识别方法及系统

权利要求书

1.一种多区域特征融合的步态识别方法，其特征在于，该方法包括以下几个步骤：

a1.将测试图片序列与每个测试对象的参考图片序列分别进行步态区域检测，得到每幅图片的步态区域图像；

b1.提取所有步态区域图像中包括紧致度在内的一个或一个以上区域特征；所述紧致度为所述步态区域图像中运动对象的轮廓周长的平方除以运动对象轮廓的面积；

c1.对步骤b1中提取的各个区域特征进行相似性度量，并将各个区域特征的相似值分别进行融合，根据融合后测试图片序列与参考图片序列的相似程度识别出测试图片序列中的对象。

2.根据权利要求1所述的方法，其特征在于，步骤b1中所述一个以上区域特征还包括矩形度、细长度、质心高度三者中的一个或三者的任意组合。

3.根据权利要求1或2所述的方法，其特征在于，步骤c1所述将各个区域特征的相似值进行融合具体为：将各个区域特征的相似值采用乘性原则进行融合。

4.根据权利要求3所述的方法，其特征在于，步骤c1中所述相似性度量具体为：利用动态时间规整算法将测试图片序列与每个测试对象的参考图片序列进行动态时间规整，并计算出基于欧式距离的各个区域特征的相似值。

5.一种多区域特征融合的步态识别方法，其特征在于，该方法包括以下几个步骤：

a2.将测试图片序列与每个测试对象的参考图片序列分别进行步态区域检测，得到每幅图片的步态区域图像；

b2.提取所有步态区域图像中包括矩形度在内的一个或一个以上区域特征；所述矩形度为所述步态区域图像中运动对象轮廓面积和最小外接矩形面积之比；

c2.对步骤b2中提取的各个区域特征进行相似性度量，并将各个区域特征的相似值分别进行融合，根据融合后测试图片序列与参考图片序列的相似程度识别出测试图片序列中的对象。

6.根据权利要求5所述的方法，其特征在于，步骤b2中所述一个以上区域特征还包括细长度、和/或质心高度。

7.根据权利要求5或6所述的方法，其特征在于，步骤c2所述将各个区域特征的相似值进行融合，具体为：将各个区域特征的相似值采用乘性原则进行融合。

8.根据权利要求7所述的方法，其特征在于，步骤c2中所述相似性度量具体为：利用动态时间规整算法将测试图片序列与每个测试对象的参考图片序列进行动态时间规整，并计算出基于欧式距离的各个区域特征的相似值。

9.一种多区域特征融合的步态识别系统，其特征在于，该系统包括：

步态区域检测模块，用于得到较佳的测试图片序列和每个测试对象的参考图片序列的步态区域图像；

特征提取模块，用于提取所有步态区域图像包括紧致度的一个或一个以上区域特征；所述紧致度为所述步态区域图像中运动对象的轮廓周长的平方除以运动对象轮廓的面积；

分类识别模块，用于将特征提取模块提取的各个区域特征进行相似性度量，并将各个区域特征的相似值分别进行乘性融合，按照融合后测试图片序列与参考图片序列的相似程度识别出测试图片序列中的对象。

10.根据权利要求9所述的系统，其特征在于，所述特征提取模块提取的一个以上区域特征还包括矩形度、细长度、质心高度三者中的任意一个或者三者的任意组合。

11.根据权利要求9或10所述的系统，其特征在于，所述步态区域检测模块进一步包括背景建模子模块、时域差分子模块和图像二值化子模块；其中，

背景建模子模块，用于对测试图片序列与每个测试对象的参考图片序列进行背景建模；

时域差分子模块，用于根据背景建模得到的背景图像，完成对测试图片序列与每个测试对象的参考图片序列对应图像的时域差分处理；

图像二值化子模块，用于将差分后的图像进行二值化处理，得到步态区域图像。