[发明专利]步态识别方法和装置

说明书

技术领域

本发明涉及模式识别技术领域，尤其涉及一种步态识别方法和装置。

背景技术

近年来，如何以一种自然的方式，即不影响待辨识人的正常活动，有效、可靠的对个人身份进行验证和辨识，在公共安全领域受到广泛重视。常用的生物特征身份认证方法，如指纹、掌纹等，需要待辨识人与识别装置发生物理接触和配合，而基于视频监控系统的身份验证方法，可以不需要待辨识人的配合和注意。人的步态信息是其中一种可以通过视频获取的重要生物特征。采用步态作为生物特征可以在低分辨率的视频图像中对人身份进行辨识。

现有技术公开了一种基于隐马尔可夫模型的步态识别方法。该方法首先对步态的周期进行估计，然后将周期中的图像根据时间段进行划分，接着对不同时间段内图像轮廓特征进行聚类，生成隐马尔可夫模型的隐状态。最后根据这些状态量训练隐马尔可夫模型用于分类。

但是基于隐马尔可夫模型的步态识别方法，需要对步态周期进行估计，当待辨识人在视频部分帧中被遮挡，或者待辨识人在视频中只出现了很短的时间，使得步态周期不完整，当步态周期不完整时，会导致建模过程中一些隐状态无法找到，使得建模失败，该步态识别方法便会失效。

发明内容

有鉴于此，本发明要解决的技术问题是提供一种步态识别方法及装置，在识别过程中不需要对步态周期进行估计，即使待辨识人在视频部分帧中被遮挡，或者待辨识人在视频中只出现了很短的时间，也可以准确的对待辨识人进行识别。

本发明解决上述技术问题所采用的技术方案如下：

根据本发明的一个方面，提供的步态识别方法包括：

训练样本视频图像得到步态码本；

获取待辨识人行走的前景图像序列；

提取前景图像序列的方向梯度直方图特征；

根据训练生成的步态码本以及方向梯度直方图特征，生成稀疏编码特征；

根据稀疏编码特征，得到待辨识人的身份。

优选地，获取待辨识人行走的前景图像序列包括：

采集待辨识人行走视频图像；

提取视频图像中的前景图像；

检测前景图像中的待辨识人的前景图像；

跟踪待辨识人的前景图像，获取待辨识人行走的前景图像序列。

优选地，提取前景图像序列的方向梯度直方图特征包括：

将前景图像序列的每个前景图像方形区域划分为相互重叠的子区域；

计算各个子区域像素点的梯度方向和强度；

统计各个子区域在各个方向划分中的强度之和并进行归一化，得到各个子区域的方向梯度直方图；

将各个子区域的方向梯度直方图串联成方向梯度直方图特征。

优选地，根据训练生成的步态码本以及方向梯度直方图特征，生成稀疏编码特征包括：

根据训练生成的步态码本以及每一帧的方向梯度直方图特征，得到每一帧的稀疏编码；

将每一帧的稀疏编码进行整合，生成稀疏编码特征。

优选地，训练样本视频图像得到步态码本包括：

获取样本视频图像中的行人前景图像序列；

标注各个行人前景图像序列；

提取行人前景图像序列的方向梯度直方图特征；

根据方向梯度直方图特征，生成步态码本。

根据本发明的另一个方面，提供的一种步态识别装置包括：

训练模块，用于训练样本视频图像得到步态码本；

获取模块，用于获取待辨识人行走的前景图像序列；

提取模块，用于提取前景图像序列的方向梯度直方图特征；

生成模块，用于根据训练生成的步态码本以及方向梯度直方图特征，生成稀疏编码特征；

识别模块，用于根据稀疏编码特征，得到待辨识人的身份。

优选地，获取模块包括：

采集单元，用于采集待辨识人行走视频图像；

图像提取单元，用于提取视频图像中的前景图像；

检测单元，用于检测前景图像中的待辨识人的前景图像；

跟踪单元，用于跟踪待辨识人的前景图像，获取待辨识人行走的前景图像序列。

优选地，提取模块包括：

划分单元，用于将前景图像序列的每个前景图像方形区域划分为相互重叠的子区域；

计算单元，用于计算各个子区域像素点的梯度方向和强度；

统计单元，用于统计各个子区域在各个方向划分中的强度之和并进行归一化，得到各个子区域的方向梯度直方图；

串联单元，用于将各个子区域的方向梯度直方图串联成方向梯度直方图特征。

优选地，生成模块包括：