[发明专利]基于步态识别的煤矿井下人员身份识别方法

权利要求书

1.一种基于步态识别的煤矿井下人员身份识别方法，其特征在于，包括以下步骤：

A.采集煤矿井下多个作业人员的步态视频序列，组成步态图像数据库；

B.将步态图像数据库中的步态视频序列进行预处理，步态视频序列进行预处理的方法为：首先，从步骤A采集的原始步态视频图像中，提取单帧图像进行灰度变换，再进行中值滤波，对中值滤波后的步态视频序列逐帧计算各像素点的中值，用作步态视频序列的背景图像，再用背景减除法提取人体目标，将人体目标的步态轮廓使用尺度归一化的矩形框框选，并截取出来，按1:1的缩放比例将步态轮廓归一化为128×64像素大小，利用检测到的步态周期将一周期的步态图像合成一个二值图像，再将每个图像矩阵转换为向量表示，得到高维空间的步态视频图像向量，然后从每个作业人员的步态视频序列中选取一半作为训练集，另一半作为测试集；

C.将训练集中的步态视频图像向量进行维数约简，求解最佳投影矩阵，其中最佳投影矩阵的求解具体如下：

(1)对训练集中的高维空间的步态视频图像向量进行维数约简，

(2)根据k-最近邻准则,构建加权邻域图，并运用自适应最近邻的度量方式，设置邻域权值矩阵，

(3)根据所述的邻域权值矩阵定义目标函数，所述目标函数用以保证同类或不同类最近邻样本点投影后类别不变，且同类点投影后距离变小，不同类点投影后距离拉大，

(4)对目标函数进行优化，并求解优化后的目标函数，得到最佳投影矩阵；

D.用最佳投影矩阵，将测试集的步态视频图像数据投影到低维步态图像数据特征分类空间，实现步态特征数据的提取；

E.将待识别步态图像序列输入K-NN分类器，利用K-NN分类器在测试集上根据提取的步态特征进行分类识别，并根据分类识别结果，鉴别煤矿井下人员身份。

2.根据权利要求1所述的煤矿井下人员身份识别方法，其特征在于：步骤A中，通过摄像机采集作业人员的步态视频序列，作业人员分别相对于摄像机以正面，倾斜和侧面3个视角行走，每人每个视角采集4个彩色图像序列。

3.根据权利要求1所述的煤矿井下人员身份识别方法，其特征在于：步骤B中，所述矩形框的高宽比设定为128:64。

4.根据权利要求1所述的煤矿井下人员身份识别方法，其特征在于：设n个高维空间的步态视频图像向量的样本点集X＝{x₁,x₂,…,x_n}，维数为D；对应的低维空间的步态视频图像向量的样本点集Y＝{y₁,y₂,…,y_n}，维数为d；

自适应最近邻的度量方式为：D(x_i,x_j)＝(x_i-x_j)^TΣ^*(x_i-x_j)

其中：Σ＝W^-1BW^-1＝W^-1/2(W^-1/2BW^-1/2)W^-1/2＝W^-1/2B^*W^-1/2

Σ^*＝W^-1/2(W^-1/2BW^-1/2+δE)W^-1/2＝W^-1/2(B^*+δE)W^-1/2

Σ是协方差矩阵，δ为软化参数，Σ^*是限定的协方差矩阵，W是求和后的类内协方差矩阵，B是类间协方差矩阵，而W和B中的元素值由每个点周围的k个最近邻点计算得来，各点均有其对应的W矩阵中的元素值和B矩阵中的元素值。