[发明专利]基于运动时序能量图的步态识别方法

说明书

本发明公开一种基于运动时序能量图的步态识别方法，1、通过检测腿部区域的平均宽度的极值点来检测步态周期；2、检测完步态周期后，计算运动信息能量图来表征步态的动态信息和静态信息；3、将运动信息能量图映射到连续的RGB通道生成运动时序能量图；4、将运动时序能量图作为步态特征，用最近邻分类器进行分类识别；本发明能够表征步态的静态信息、动态信息和时序信息，并且在侧面视角的情况下，提高了特征提取效率和识别精度。

技术领域

本发明属于模式识别的应用领域，具体提出了基于运动时序能量图的步态识别方法。

背景技术

步态识别作为一种新兴的生物特征识别技术，可以在远距离或低分辨率的监控场景下识别，并且难于伪装，采集方式隐蔽。基于上述优势，使得步态识别在视频监控领域有着广泛的应用和发展前景，然而目前的步态识别方法存在着在复杂室外环境下识别率低的问题。步态识别方法按照其特征表征方式的不同，主要分为两大类：基于模型的方法和基于非模型的方法。基于模型的方法是根据先验知识显式地模拟人体或运动，一般是通过建立人体结构或运动模型来提取特征。基于模型的方法的优点是对背景噪声鲁棒、易于理解、视角尺度不变性、特征维数较低。但是它的计算复杂度高，对图片序列的质量要求高，参数难以确定。因此，基于模型的方法较难在实际场景中应用，目前大多数的研究也是针对非模型的方法。

基于非模型的方法不需要假设潜在的结构，直接从整个轮廓图上提取特征，构造一个步态模板。基于非模型的方法对步态轮廓图的质量要求不高，特征提取容易，计算复杂度较低，因此更适合应用于实时系统。Wang等提出的CGI方法能够较好地表征步态的时序信息，该方法主要是将提取出的每一帧的最外轮廓通过一个多通道映射函数映射到RGB空间，再生成步态时序图。这一方法的优点是能够较好地表征步态的时序信息，并且在相对复杂的测试环境下也能得到较好的识别结果。但是该方法存在三个问题：(1)用局部信息熵计算最外轮廓复杂度高非常耗时；(2)步态周期检测结果不准确；(3)最终提取的步态特征丢失动态信息。

发明内容

本发明针对上述传统步态识别方法所存在的缺陷，提出了一种基于运动时序能量图的步态识别方法，该方法通过选取整个步态帧序列的极值点作为关键帧来检测步态周期，检测结果更加准确；然后通过计算运动信息能量图提取步态的静态信息和动态信息；再将运动信息能量图映射到RGB多通道得到运动时序能量图以提取步态的时序信息；最后利用1-NN分类器来进行分类识别；本发明在侧面视角的情况下该特征与现有其它特征相比，不但缩短了特征提取时间，还提高了步态识别精度。

为了达到上述目的，本发明采用如下技术方案：

一种基于运动时序能量图的步态识别方法，该方法包括如下步骤：

步骤A：对输入的行人序列图进行背景减除和前景对齐预处理操作后，获得了尺寸统一规范的侧影图像；通过检测腿部区域的平均宽度的极值点来检测步态周期；

步骤B：检测完步态周期后，计算运动信息能量图来表征步态的动态信息和静态信息；

步骤C：将运动信息能量图映射到连续的RGB通道生成运动时序能量图；

步骤D:将运动时序能量图作为步态特征，用最近邻分类器进行分类识别。

所述步骤A的具体步骤如下：

步骤A01：首先计算经过预处理后的每一帧行人序列的腿部区域的平均宽度，其中，两腿彼此分开的距离最远时，腿部区域的平均宽度值最大，当两腿几乎重叠时，腿部区域的平均宽度值最小；

步骤A02：接着将平均宽度随步态帧变化的图像变平滑，再求一阶导，导数左右符号有正负变化或导数为零的点就是极值点，将极值点所对应的帧记为关键帧，即相邻关键帧之间的距离就是1/4步态周期，后续生成步态时序图时需要用到关键帧。

所述步骤B的具体步骤如下：