[发明专利]低分辨率视频中的人物识别方法

说明书

技术领域

本发明涉及一种低分辨率视频中的人物识别方法，具体涉及一种从单个固定低分辨率摄像机提取人物的SVB Frieze特征信息，并据此特征信息将人物分辨出来的方法。可广泛应用于非接触式远距离的身份识别，智能家电，辅助监控等，属于模式识别中的人物识别领域。

背景技术

步态识别是根据人物走路姿势进行的人物身份识别，以提取的人物轮廓图像为基础，旨在不考虑衣服、背景等因素。随着计算机视觉技术在家电行业中的应用，能实时自动识别人物身份的智能家电成为世界家电行业新的竞争点。由于广泛的应用前景和潜在的经济价值，人物身份识别是近年来备受关注的前沿课题，而利用生物识别技术辅助人物运动分析更是发展的趋势，在远距离人物身份识别中步态被认为是最具潜力的特征，脸像、指纹、虹膜等第一代生物特征，通常要求近距离地或者接触性地感知(如指纹需要接触指纹扫描仪、脸像需要近距离捕捉以满足分辨率等)，而步态在此方面却突出了它的优越性，尤其是在远距离的情况下，人的步态易于感知、非侵犯性、非接触性、难于隐藏和伪装的优点已经使其成为一个独具特色的生物行为。由于人物行走时经常会携带一些小的物品，视频中检测到的人物轮廓经常会有很大的变化，因此如何实时自动的提取人物特征同时又能尽可能的降低携带物品的干扰成为工程、实际中亟待解决的问题。

经过对现有技术文献的查找发现，目前基于步态的人物识别方法主要分为两类：一类是基于模型的方法，Lee等人于2002年发表在Proceedings of the Fifth IEEEInternational Conference on Automatic Face Gesture Recognition上的论文Gait analysisfor recognition and classification(基于步态分析的识别和分类)提出用7个椭圆来建模人体的各个部分，提取椭圆参数(长短轴之比、质心坐标、主轴夹角)以及人体结构参数(质心坐标)共29个参数作为步态识别的特征。该方法对人自身的遮挡鲁棒性非常差，而且运算量大，因此不适合于工程应用。另外一类是非模型的方法，Seungkyu等人于2007年发表在Proceedings of the IEEE Computer Society Conference onComputer Vision and Pattern Recognition上的论文Shape Variation-Based Frieze Patternfor Robust Gait Recognition(一种鲁棒性强的步态识别SVB Frieze)向人们提出了一种新的提取人物运动特征的方法：在一个步态周期内，选取一个关键帧，求出其余帧与关键帧的差异，并向横轴和纵轴方向叠加得到纵向SVB Frieze特征和横向SVBFrieze特征，再求出纵向左右步SVB Frieze差异特征、横向左右步SVB Frieze差异特征，最后将此四种特征相加得到匹配人物身份的判别式。该方法的优点是降低了携带物品的干扰，然而该方法需要解决SVB Frieze特征维数变化问题，而Seungkyu提出的对SVB Frieze特征求平均值的方法，将每帧人物步态运动特征模糊了，因此识别准确性不高。

发明内容

本发明的目的在于针对现有技术的不足，提出一种低分辨率视频中的人物识别方法，能在人物携带物品等干扰条件下，准确将人物运动信息凸现出来。

为实现上述目的，本发明首先提取目标人物视频中的人物轮廓图像，根据人物轮廓的宽度变化划分步态周期，保持高宽比不变将人物轮廓图像缩放到同一大小；然后选取一个关键帧，求出其余帧与关键帧之间的差异，并向横轴和纵轴方向叠加得到纵向SVB Frieze特征和横向SVB Frieze特征，再用动态时间规正算法求出纵向左右步SVB Frieze差异特征、横向左右步SVB Frieze差异特征，最后用动态时间规正算法对待识别的步态数据进行以上四种特征的匹配，完成人物识别。

本发明的方法通过以下具体步骤实现：

1)首先把目标人物的视频读入计算机，再对视频进行背景建模与背景实时更新，采用当前帧与背景帧相减的方法得到目标人物的轮廓前景图像；并将人物轮廓前景图像中存在的空洞和零散白点去除；

2)从人物轮廓前景图像中提取人物轮廓的特征，将每个人物轮廓最左面的点与最右面的点的距离作为该人物轮廓的宽度，将最上面的点与最下面的点的距离作为该人物轮廓的高度；选择人物轮廓水平方向的变化作为划分步态周期的标志；按人物轮廓的宽度和高度将人物轮廓图像扣出；保持高宽比不变，将所有人物轮廓图像缩放到同一大小；