[发明专利]一种面向复杂视觉场景下的远距离类脑三维步态识别系统及实现方法

说明书

技术领域

本发明涉及一种面向复杂视觉场景下的远距离类脑三维步态识别系统及实现方法。

背景技术

当前对人体步态行为的检测，依据数据来源，可分为基于图像的2D步态识别、3D步态识别和其它步态识别方法。2D的方法采用普通摄像机进行数据采集、训练和识别，由于2D摄像机分布广，同时2D图像处理速度较快，应用的相对较多。3D步态识别方法，主要是通过3D人体建模的方法来实现人体步态识别，3D人体建模通常需要多个角度的摄像机共同协作来完成数据的采集和3D模型的合成。

其它步态识别方法主要包括：穿戴式的步态识别方法，通过运动捕获设备来实现对人体步态数据的采集，是一种接触式的步态识别技术，需要人员配合；运用手机、手表或其它智能设备中的运动传感器来实现步态信号的收集、分析和识别；通采用激光雷达扫描方式来实现人体步态点云数据的获取、处理和识别。

2D步态识别方法中，步态视频数据的获取和处理相对简单，海量的监控视频数据都可以利用。但是普通的二维摄像机拍摄距离有限，普通焦距摄像机一般有效距离在5-100米，长焦距摄像头最多可达到1-5公里，但视角范围缩小到了20度以内，而且距离越远拍摄到的物体效果越差。同时，2D图像数据对遮挡、衣着、穿戴和手捧物体等外在轮廓干扰，以及摄像机安装的水平角度和俯仰角等变化时的处理手段有限。

3D步态识别过程中，使用到了三维人体模型，其中对于三维视频的获取和模型的处理通常相比2D识别更为复杂。但是3D步态识别方法对于各种协变量有更好的处理手段，比如通过3D人体模型的任意旋转，可实现视角可变的步态识别，利用虚拟衣着和姿态合成技术，可以合成任意条件下的步态数据。由于人体步态本身就是一个三维系统，如果能从采集的二维数据中估计三维人体特征，对于解决视角可变和物体携带等条件下的步态识别问题具有重要应用价值。

通过运动捕获设备实现步态识别的方法，由于需要人员主动参与，多应用于医学研究领域。利用手机等智能设备中的运动传感器来实现的步态识别技术，由于传感器单一，且安放位置不固定，无法完成对个体身份的精确识别。运用激光雷达来扫描人体点云数据，可以得到人体点云模型，但是激光雷达设备成本高，而扫描出来的人体精度低或时间慢，且得到的点云杂乱无章，无法很的完成对人体步态的精确识别，应用的不广。

总之，基于图像的步态识别方法，无论是2D还是3D的方法，都需要将步态轮廓从背景中分割出来。步态识别对轮廓的提取精度要求较高，但使用当前的人体分割技术(背景差分、高斯建模和帧间差分等)，面对各种实际情形，往往还达不到很好的分割效果。比如远距离摄像到的运动人体图像本身像素点少和噪音大，会给分割带来了很大困难，实际精度也很验证保证。另外人体穿着的衣物与背景相似，光照的变化引起背景差分过程中的噪音干扰，或者有外来的遮挡等，直接就影响到的步态轮廓提取的完整性：在分割后产生空洞，轮廓边沿分割效果不理想或人体数据有缺失等现象。因此如何提高复杂视觉场景下对步态轮廓的感知理解，并在此基础上估计出准确的人体步态参数，是当前复杂场景下步态识别方法的关键技术之一。同时由于人体的行走和运动姿态受各种因素的影响，比如摄像机拍摄距离，复杂场景变换，衣着条件改变、遮挡干扰和不同视角等影响，使得步态行为识别算法的通用性和识别率仍远不如人脑。特别是在步态行为人体三维建模上，技术成果较少，这也限制了步态识别技术在现实中的应用。

发明内容