[发明专利]基于步态轨迹曲线特征的人体身份识别

权利要求书

1.一种基于步态轨迹曲线特征的人体身份识别方法，其特征在于，包括粗轮廓的全局轨迹曲线特征提取步骤和细致的局部轨迹曲线特征提取步骤；

(1)数据获取：利用智能手机内置加速度传感器采集步态加速度数据，采样频率为100Hz；

(2)数据预处理：对原始步态数据进行预处理的主要目的就是为了减少噪声干扰，其中噪声主要来源于一些不可避免的因素，包括呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声和重力加速度的干扰，预处理技术包括：有效步态数据截取、滤波去噪和归一化；

(3)标准步态曲线获取：已知步态数据是时变的周期信号，为减少计算量，只考虑步态的单个标准周期，利用单个标准周期特征来表征整个步态特征；

(4)步态曲线的闭合化：步态时序曲线是一条未封闭的曲线，而傅里叶描述符不能对非闭合曲线轮廓特征进行描述，因此对步态数据首尾点做连线并以此连线为轴进行镜像处理，构成封闭的曲线；

(5)粗轮廓的轨迹曲线特征提取：

1)假设在xy平面上有N个坐标点，假设P₀,P₁,P₂,...,P_N-1该封闭的曲线上的点，以P₀为起始点，P_N-1为结束点，P₀＝P_N-1，以顺时针方向经过P₀(x₀,y₀),P₁(x₁,y₁),...,P_N-1(x_n-1,y_n-1)后回到原始位置，并可反复循环，设x(k)＝x_k,y(k)＝y_k,所以一条封闭曲线的边界点表示为Z(k)＝(x(k),y(k)),k＝0,1,...,N-1,每一个坐标处理成复数的形式：

X(k)为复数坐标的实部，Y(k)为复数坐标的虚部；Z(k)的傅里叶级数为：其中L表示周期，k为变量,根据欧拉公式：e^jθ＝cosθ+jsinθ,其中所以Z(k)可以表示为：

S_i(0≤i≤N-1)为点P_i到起始点P₀的曲线长，并且S_i≤k≤S_i+1,0≤i≤N-1，函数的傅里叶级数表达式为：

其中，L为封闭曲线的周长，傅里叶的系数表达式为：

2)傅里叶级数的各项系数C_n为复数，模向量C＝(||c₁||,||c₂||,...,||c_K||)，向量C与形状的尺度、方向和选择的起始点有关，为了使其具有选择、平移和尺度的不变性，则需要对C进行归一化处理，得到傅里叶形状描述子，归一化后的傅里叶形状描述子d(i)定义为：

选取前15个低频傅里叶系数作为傅里叶描述子的形状特征，用FD表示，

(6)细致的局部曲线轨迹特征提取：

1)设曲线轨迹有N个数据点，则有N-1个角度点，则角度：

2)角度点的质心为：

3)每个角度点到其质心的距离r用欧式距离表示为：

4)再求出每个角度点和质心间的连线与坐标轴之间的夹角α作为最终的方向角，其中α的大小反映了曲线上各个点的角度变化情况，为了消除其他因素的影响，将夹角α进行归一化操作，即选择最大夹角α_max，将每个夹角α_i除以α_max得到归一化后的夹角,即：

选取前K个最大值来表征该曲线的局部角度变化特征，用AD来表示；

(7)轨迹曲线特征：将提取的曲线粗轮廓特征和局部角度特征组合成轨迹曲线特征：

其中，N表示第N个周期，FD表示傅里叶描述子的形状特征,AD表示角度变化特征。