[发明专利]基于模糊理论决策的双向二维主成分分析的步态识别方法

说明书

技术领域

本发明涉及一种图像处理技术，具体是一种基于模糊理论决策的双向二维主成分分析步态识别方法。 

背景技术

步态识别是一种新型的生物特征识别技术。步态识别作为一种生物特征识别方法，就是根据人走路的姿势进行人的身份认证和识别。步态特征具有一定的节奏和循环特性，并且本质上是周期性的。作为习惯性的行为特征，一个人的步态在相当长的时间内是不会发生很大变化的，具有较强的稳定性。区别于人脸识别、指纹识别、虹膜识别等识别技术，步态识别作为一种生物特征具有以下几个特点：易于观察、难于伪装、对系统分辨率要求低、远距离识别等。因此步态识别是一种理想的非侵犯性生物特征识别技术。现有步态识别的方法很多，总体上分为基于模型的方法和基于统计的方法：基于模型的方法旨在构建一个人体的2D或3D的运动结构模型，通过提取图像特征把它们映射到模型的结构成分上来表征人体的步态模式。基于统计的方法是通过行人在图像中的轮廓所产生时空模式的统计特性来特征化步态运动。现有的步态识别方法一般都是采用相同的行走状态条件下的训练视频序列和测试视频序列来建立步态识别的框架。实际的应用中，测试的视频序列变化是很大的，例如衣着的不同，携带物品的不同等等状态，都会对实际的识别性能产生很大的影响。另外步态识别中步态能量图应用也较广泛，但步态特征识别中的平均步态能量图像系数矩阵元素过多，维数过高的问题，对识别速度影响较大。在这种情况下，合理的选择特征量能够表征真实的步态特征，选用合理的步态识别方法，可以提高步态的识别率和识别速度成为一个重要的问题。 

经过对现有技术的检索发现，马勤勇等人在《光电子·激光》（第20卷第四期）第545页到第549页上发表的“基于能量图分解与运动偏移特性的步态识别”提出了利用平均近邻图与平均轮廓图重建异常的图像，然后将对象的步态能量图分解为两部分，并分别为每一部分生成一系列扩展图像，从而构造出能量分解图。最后使用能量分解图和运动偏移图共同进行分类。这种步态识别方法的特征表示方式在很大程度上避免了传统的步态能量图易受步态形状宽度影响的缺点。针对现有基于步态偏移图算法仍然保留了大量静态形状信息的问题，这种特征表达方式更加注重轮廓边缘区域，而会丢失一些内部的整体信息。同时，该步态轮廓图异常检测及校正算法计算量较大，在识别速度上还存在提升的空间。通过检索张前进等人在《工程图学学报》（第32卷第一期）第39页到44页上发表的“一种基于平均步态能量图的身份识别算法”，提出了提出一种基于步态能量图的嵌入式隐马尔可夫模型身份识别方法。首先提取出运动人体的侧面轮廓，根据步态下肢的摆动距离统计出步态周期，得到平均步态能量图。对能量图的各区域进行分析，利用二维离散余弦变换将能量图观测块转化为观测向量，实现嵌入式隐马尔可夫模型的训练和身份识别。最后在USF和CASIA步态数据库上对所提出的算法进行实验。该算法基于嵌入式隐马尔可夫模型，该模型在训练和识别的过程中，会耗费一定的计算量；同时利用二维离散余弦变换将能量图观测块转化为观测向量，步态的信息会有部分丢失，对识别结果有一定的影响。这就促使区寻找一种新的步态识别方法，在具有较高的识别率的同时提升识别的速率。 

发明内容

    本发明所要解决的技术问题是提供一种基于模糊理论决策的双向二维主成分分析（DTPCA）的步态识别方法。通过预处理技术得到平均步态能量图并将得到的图像分割为多个子图像，利用双向二维主成分分析来降低平均步态能量子图像的系数矩阵维数，解决了步态识别中平均步态能量图像系数矩阵维数过高的问题，加快识别速度。 

本发明为解决上述技术问题所采用的技术方案是：基于模糊理论决策的双向二维主成分分析的步态识别方法，包括如下步骤： 

步骤一、对一个步态序列中的图像进行预处理：采用非线性平滑技术的中值法，将每一像素点的灰度值设置为与该点相邻的所有像素点灰度值的中值，从图像序列中恢复出背景图像，将输入的连续N帧图像像素值的中间值作为背景图像的像素值；

步骤二、使用间接执行差分操作提取人体运动的轮廓；

步骤三、对单连通的运动目标图像进行准周期性分析，通过分析人体轮廓形状随时间的变化，根据人体侧面的下肢轮廓宽度从最大到最小又到最大的周期性变化过程确定步态周期；

步骤四、根据确定的步态周期，构建每一个步态周期的能量图，然后再计算出步态序列中具有完整周期的步态能量图的平均图像，得到一个平均步态能量图像训练样本；