[发明专利]一种基于相似规则高斯核函数分类器的步态识别方法

说明书

一种基于相似规则高斯核函数分类器的步态识别方法，该方法包括：摄像头实时采集当前背景图像和检测目标步态原始图像序列，并采用欧式距离法等进行图像预处理，获得步态标准图像序列；运用“间隔取帧”技术将单个步态序列分割成三个步态子序列，并进行特征提取，获得步态特征向量；利用步态特征向量数据库中的特征向量进行相似规则构建；根据相似规则构造对应的高斯核函数分类器对检测目标的步态特征向量进行分类，统计并输出识别结果。该方法能够快速进行背景去除，并运用图像正规化处理和“间隔取帧”技术提高在不同情境下的适应性。此外，新型的基于相似规则高斯核函数分类器能有效避免过拟合和维数灾难等问题，提高了整体识别精度。

技术领域

本发明属于生物特征识别技术领域，特别是步态识别技术领域，具体涉及一种基于相似规则高斯核函数分类器的步态识别方法。

背景技术

步态识别技术是生物特征识别技术领域内一种新兴的身份识别技术，其主要作用是通过识别人的走路动作来鉴别身份。相对于生物特征识别领域内的其它传统技术(如：人脸识别、指纹识别、虹膜识别)，步态识别具有非接触性、适应性强和难以伪装等优点。由于上述的优点，步态识别在视频图像识别领域，尤其是在安保监控领域有着广阔的应用前景。

近年来，国内外学者相继开展步态识别技术的研究，其技术难点主要集中在背景建模、步态特征提取、步态识别速度和步态识别精度四个方面。

背景建模方面，去除背景是一项重大的难题，从国内外的研究成果来看，背景消除的方法大多采用“迭代消除”的思想，但是该类方法迭代次数多，算法速度慢，系统性能也随之降低，无法满足实际应用需要。

步态特征提取方面，国内外的研究论文涵盖了用于步态识别的十几种特征，包括关节角度变化规律、步态能量图、最外轮廓距离信号等，但大多对图像噪声点敏感。

步态识别速度方面，普遍的步态识别系统因采用的方法计算量大，算法效率低，运行环境大都依赖高性能计算机的支持，在大众化的PC机上无法满足实际需要。

步态识别精度方面，一般系统采用的传统分类算法都无法有效避免过拟合和维数灾难等问题，从而影响系统整体的识别精度。

发明内容

本发明的目的是为克服上述现有技术存在的缺点和不足，提供一种基于相似规则高斯核函数分类器的步态识别方法。

本发明所述的基于相似规则高斯核函数分类器的步态识别方法的具体步骤包括：

S1.摄像头实时采集当前背景图像和检测目标的步态原始图像序列，并采用欧式距离法去除背景，得到去除背景后的步态二值图像序列；

S2.将去除背景后的步态二值图像序列的每张图像进行形态学处理，再截取人体轮廓区域图像并正规化成高度为100像素，宽度为128像素的步态标准图像，获得步态标准图像序列；

S3.对步态标准图像序列运用“间隔取帧”技术分割成3个包含多个步态标准图像的步态子序列，对于每个子序列中的每张图像，计算图像中人体轮廓的质心坐标和最外轮廓点到质心的距离，获得距离信号；

S4.给定特征值积累阈值τ，将获得的距离信号进行主成分分析降维；然后，对降维后的距离信号按每个步态子序列求均值，将该均值距离信号作为该子序列的步态特征向量；

S5.利用步态特征向量数据库中的所有步态特征向量进行相似规则构建，导出聚类数目和各聚类中心；

S6.对每个聚类簇中的步态特征向量，分别构造一个高斯核函数分类器进行训练；

S7.按相似规则找到检测目标的3个步态子序列特征向量对应的高斯核函数分类器进行分类，再求各个子序列步态特征向量的分类结果的众数作为最终识别结果；

S8.输出识别结果。