[发明专利]一种基于隐马尔科夫模型的步态去噪方法

说明书

本发明公开了一种基于隐马尔科夫模型的步态去噪方法，包含以下步骤：1)对步态轮廓高度进行归一化处理；2)对步态序列长度进行归一化处理；3)建立步态集合概率分布序列；4)初始化隐马尔可夫模型；5)估计混淆矩阵B；6)估计转移矩阵A；7)对步态进行后验估计；8)在步态后验估计的基础上进行步态回归。本发明建立步态轮廓概率分布，并将其看作步态的先验概率，使用隐马尔科夫模型的解码算法，找出每个步态图像所对应的步态先验概率，进而得到步态的后验估计，有效的去除了背包、大衣、肢体等缺失引入的步态噪声，有助于显著提高步态识别的准确率。

技术领域

本发明属于计算机视觉和模式识别领域，具体地说涉及一种基于隐马尔科夫(HMM)模型的步态去噪方法。

背景技术

在公共场合中，人流量比较大，大量的人流同时就会产生难以估计的行为，如果能快速准确的识别公共场合中的行人，并理解其产生的行为，对维护公共秩序和安全将会有极大的帮助，因此基于生物特征的识别研究成为现在公共场合安防的主流技术。

作为生物特征识别技术的重要组成部分，步态识别正在被广泛应用。步态识别主要的优点如下：1)步态识别是一种可以实现远距离身份认证的生物识别技术，在操作上具有很大的灵活性和便捷性；2)步态识别可以在不影响被观测者的情况下，完成特征的提取和识别过程，是一种真正的非侵扰式的生物识别技术；3)步态识别可以在被观测者毫不知情的情况下，完成整个身份识别过程，具有很强的隐蔽性；4)步态识别对视频分辨率要求不高，即便在分辨率相对较低的情况下，也可以完成身份识别的任务。因此，需要一种有效的步态识别算法。

在现实场景下,步态噪声，如被观察者携带的背包、挎包、大衣等，会对步态识别的准确性造成影响，有时甚至是严重影响。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供了一种有效提供步态识别效率和准确率的基于隐马尔科夫(HMM)模型的步态去噪方法。

发明内容：为解决上述技术问题，本发明提出一种基于隐马尔科夫模型的步态去噪方法，包含以下步骤：

步骤1：对采集到的步态轮廓高度进行归一化处理；

步骤2：对采集到的步态序列长度进行归一化处理；

步骤3：根据步骤2得到的归一化后的步态序列建立步态集合概率分布序列；

步骤4：采用隐马尔可夫模型计算获得每个步态集合概率的阈值，根据得到的每个步态集合概率的阈值获得步态的先验估计的结果；

步骤5：将步态集合和对应的步态集合概率分布相乘，再做二值化处理，得到步态集合的似然估计的结果；

步骤6：结合步骤4中获得先验估计的结果和步骤5中获得的步态集合的似然估计的结果对步态进行后验估计；

步骤7：在步态后验估计的基础上进行步态回归。

进一步，步骤2中所述对步态序列长度进行归一化处理，将长度为L的步态序列聚类成长度为N的步态序列。

进一步，步骤3中所述步态集合概率分布序列建立方法为，通过累加的方式得到每个步态集合的累加和，然后对相对应的图像做归一化操作得到每个步态集合的概率分布。

进一步，根据公式获得第j个步态集合的累加和其中，D为步态集合的长度，S_j,d表示第j个步态集合S_j的第d个步态轮廓；根据公式获得第j个步态集合的概率分布P_j；其中，S_j,d(x,y)表示第j个步态集合S_j的第d个步态轮廓图片中的像素点坐标，x表示步态轮廓图片归一化后的像素高度，y表示步态轮廓图片归一化后的像素宽度。