[发明专利]一种基于掩膜处理新型步态能量图的获取及身份识别方法

说明书

本发明公开了一种基于掩膜处理新型步态能量图的获取及身份识别方法，1、输入行人前景图像，计算步态能量图；2、对同一角度下所有步态能量图求加权平均得到合成平均模板；3、计算合成平均模板的步态熵图像，通过设定阈值得到通用掩膜；4、应用部分通用掩膜与步态能量图做“与”运算，得到新型步态能量图；5、提取新型步态能量图的定向梯度直方图；6、采用K‑最近邻分类器进行预测识别行人身份。本发明去除了步态能量图中不同着装状态对步态识别的影响，尽可能的保留了对身份识别有利的动态区域特征和静态区域特征，有效提高了现实场景中在未知协变量条件下的行人身份正确识别率。

技术领域

本发明涉及计算机视觉和模式识别领域，尤其涉及一种基于掩膜处理去除大衣、背包等协变量因素影响的新型步态能量图，及基于新型步态能量图实现身份识别的方法。

背景技术

在智能视频监控中，远距离识别行人身份具备很高的科研和商业价值。步态，作为一种行为生物识别，与其他生物识别技术相比，步态主要捕捉行人活动的动态方面。步态拥有远距离、非受控性、非接触性、易采集和极难模仿等诸多优势，这使得步态非常适用于无法与被识别对象进行配合或接触的情况，并且将在远距离识别中发挥不可替代的作用。基于步态的分析和识别主要通过两种方法实现：传感器和视觉摄像头。传统的基于传感器的方法需要辅助设备来收集步态信息，并且其应用领域有限。基于视觉摄像头的方法通过普通摄像头采集行人步态信息，具有很强的实用性。步态特征提取使用一组数据来描述行人步行姿态在时间和空间上的动态变化。现有的步态识别技术主要分为两大类，即基于模型的特征提取方法和基于轮廓的特征提取方法。基于模型的特征提取方法将数学模型拟合到人体并使用模型的参数表示步态特征，尽管具有很强的可区分性，但特征提取方法更复杂，耗时且计算更昂贵。而基于轮廓的特征提取方法直接从轮廓提取运动信息。

而基于轮廓的特征提取方法直接从轮廓提取运动信息，该方法计算复杂度更低，对噪声的鲁棒性更强。最流行的基于轮廓的方法是提取步态能量图，它通过对整个步态周期中提取的轮廓进行平均得到单个灰度图像来表示整个周期中的步态。对于大多数基于轮廓的步态识别方法，静态形状信息可能比运动学起着更重要的作用。现有研究表明结合静态和动态特征是有用的，融合可以产生更好的正确识别率。然而，步态对各种协变量条件非常敏感，包括衣服，携带物，表面状况，视角和速度等。因为它们可以影响步态本身或提取的步态特征。为了克服这些问题，重要的是找到反映不同主体的独特特征的最相关的步态特征。此外，它们必须对协变量条件变化引起的外观变化不变。

发明专利红外步态双信道特征融合识别方法，申请号/专利号：CN201110149549公开了一种红外步态双信道特征融合识别方法，通过对红外图像预处理，采用混合高斯模型的背景减除法实现人体的检测，然后进行形态学处理，确定步态周期得到步态能量图，提取其红外热释电特征，红外图像对行人的携带物如提包、雨伞、背包等外形改变不太敏感，但是红外图像在白天的适应性不强。发明专利基于自适应特征块选择的步态识别方法，申请号/专利号：CN201110060863，通过对步态能量图中的人体区域进行分块，根据无衣着和携带物状态干扰的训练数据得出每块区域的统计信息，在测试时通过分块计算统计信息而自动选取符合训练数据统计信息规律的特征块，有效克服了因行人衣着、携带物状态变化对步态识别造成的不利影响，同时保留了人的头、肩等部位特征，提高了步态识别的有效性。但是这种方法不能避开衣着和携带物对人体二值影像遮挡区域的干扰，衣着和携带物可能遮挡比如腿部区域、手臂摆动区域及其他静态特征区域的信息，这在一定程度上会影响步态识别的准确率。

发明内容