当前位置: 首页 > 专利查询>四川大学专利>正文

一种基于动态视觉传感器的步态识别方法技术

技术编号:16663231 阅读:140 留言:0更新日期:2017-11-30 12:08
本发明专利技术涉及步态识别技术领域,公开了一种基于动态视觉传感器的步态识别方法。本发明专利技术创造提供了一种基于动态视觉传感器的时空模式分析方法,并通过基于Tempotron算法的脉冲神经网络模型,可实现对由动态视觉传感器录制的步态数据进行训练和识别,使最终得到的步态识别有极高的生物真实性,从而不但可以对多个对象进行步态识别,解决复杂背景中步态检测的高难度问题,还可以确保步态识别的高准确率。同时还提供了两种编码方式,可以在训练过程中能快速收敛且取得了较好的识别正确率,尤其是通过结合周期固定的移动窗口的数据段样本分割方式,可使步态识别的正确率达到85%以上,具有极高的实用价值,便于实际推广和应用。

【技术实现步骤摘要】
一种基于动态视觉传感器的步态识别方法
本专利技术涉及步态识别
,具体地,涉及一种基于动态视觉传感器的步态识别方法。
技术介绍
当前大量的监控摄像头已经被安装于银行、商场、机场、地铁站等大空间建筑类人群密集型场所,但人工的监控手段并不能完全满足当前的安全需要,因为这不仅耗费大量的人力和财力,而且监控人员的生理视觉疲劳使得安全预警的目的很难达到。因此,这些安全敏感的公众场合迫切需要一种智能化的预警手段。理想的智能监控系统应该能够自动分析摄像机采集到的图像数据,在恶性事件发生前进行预警,从而最大限度地减少人员伤害和经济损失。这就要求监控系统不仅能判断人的数量、位置和行为,还需要分析人的身份等信息。步态,即人行走时的姿态,是一种可以从远距离获取的难以隐藏和伪装的生物特征,而且步态可以采取非接触的方式进行隐蔽采集。对于监控环境中的行人,步态特征是一种极具潜质的生物特征。在一定的距离下,当其他的生物特征,如面部、虹膜、指纹、掌纹等,由于分辨率过低或者故意被隐藏时,步态却可能发挥作用。步态识别,也称为基于步态的身份识别,在计算机控制和生物识别技术方面,是一个相对较新的同时也备受瞩目的研究方向,它旨在基于人的独特行走模式来进行身份识别,即通过人们走路的方式来区分个人。动态视觉传感器是一种新型的类视网膜的视觉传感器。在动态视觉传感器中,每个像素点通过产生异步的事件独立地对亮度变化进行响应和编码,其产生的事件流消除了传统摄像机输出的连续重复图像中的冗余,所以它的带宽远远低于标准视频的带宽;而且它具有极高的时间分辨率,可以捕获到超快速运动;另外,它具有非常高的动态范围,即在白天和黑夜都可以很好地工作。所以,动态视觉传感器适合被应用在监控系统中。脉冲神经网络是第三代神经网络,由脉冲神经元模型为基本单元构成。通过使用特定时间的单个脉冲,将空间信息、时间信息、频率信息、相位信息等融入通信和计算中,具有更高的生物真实性。而动态视觉传感器的输出为事件流,这在一定程度上反映了动态视觉传感器和脉冲神经网络之间可能存在的关联性。由于步态识别技术在目前还处于起步阶段,主要存在如下几个难点:(1)在传统的步态识别研究中,通过定义人类步态的运动学参数可以形成识别的基础,但是在步态数据的获取过程中存在明显的局限性,使得难以准确识别和记录影响步态的所有参数(即使测量某些步态参数的准确性有所改善,仍然不知道获取到的这些参数是否提供了足够的辨别力,能够满足步态识别的要求);(2)传统摄像机捕获到的步态特征容易被影响或改变,即步态作为一个生物特征,容易被多种因素影响和改变,如服饰,鞋,步行面,步行速度、情绪状况、身体状况等,而真正有效的特征应该尽量和这些因素无关或者不受这些因素影响;(3)复杂背景中步态检测的难度大,当前大多数的步态识别算法对于数据采集环境的假设为,摄像机静止不动,视野中只有被观察者运动,背景通常静止且不复杂,而在实际应用中,背景通常是复杂的,且视野内的行人往往不止一个。
技术实现思路
针对前述现有步态识别技术所存在的难点问题,本专利技术提供了一种基于动态视觉传感器的步态识别方法。本专利技术采用的技术方案,提供了一种基于动态视觉传感器的步态识别方法,包括如下:(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练:S101.应用动态视觉传感器对行人的步态场景进行录制,得到包含多个步态周期的事件流,其中,所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成;S102.将所述事件流分割成多个数据段样本,其中,每个数据段样本均包含处于一个完整步态周期内的所有数据;S103.将所述数据段样本编码为脉冲序列;S104.将所述脉冲序列作为输入,将与行人对应的二进制标签作为输出,对所述脉冲神经网络模型进行训练,其中,所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同;(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别:S201.执行步骤S101~S103,获取待识别行人的数据段样本及对应的脉冲序列;S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入,获取各个神经元的输出;S203.根据各个神经元的输出,获取二进制标签,最后根据该二进制标签识别出待识别行人。具体的,在所述步骤S104中,对所述脉冲神经网络模型进行训练的步骤包括如下:S301.对于每个神经元,在向各个传入突触输入一批脉冲序列后,按照如下公式计算亚阈值膜电压Vi(t):式中,i和a分别为自然数,为第i个数据段样本内的第a个脉冲序列,ωa为第a个传入突触的权重,Vrest为静息电位,为归一化的突触后电位,计算公式如下:式中,V0是使PSP核归一化的因子,τm为膜积分的衰减时间常数,τs为突触电流的衰减时间常数;S302.当所述亚阈值膜电压Vi(t)达到阈值电位Vthr时,触发神经元发放脉冲,然后使所述亚阈值膜电压Vi(t)平缓下降至静息电位;S303.比较神经元的实际输出与目标输出是否一致,若不一致,对突触权重ωa采用以下规则修正:(a)若实际输出为发放脉冲,而目标输出为不发放脉冲,则对每一个ωa的修正值Δωa计算如下:(b)若实际输出为未发放脉冲,而目标输出为发放脉冲,则对每一个ωa的修正值Δωa计算如下:式中,常数λ为每一个输入脉冲所带来的传入突触的权重改变的最大值,其值大于0,tmax为亚阈值膜电压达到最大值的时间;S304.根据所述校正值Δωa对传入突触的权重ωa进行修正,然后执行步骤S301,进行下一次训练。进一步优化的,在所述步骤S304之前,按照如下公式计算所述校正值Δωa:式中,为前一次训练时的修正值,μ为动量启发式学习参数,其值介于0~1之间。优化的,在所述步骤S102中,按照移动窗口方式对所述事件流进行分割,其中,移动窗口的时长大于或等于平均步态周期T,移动窗口的步长小于平均步态周期T。优化的,在所述步骤S103之前,还包括如下步骤:基于相邻像素点的事件时间差和/或基于同时发生事件的数目对所述数据段样本进行去噪声处理。进一步优化的,在基于相邻像素点的事件时间差对所述数据段样本进行去噪声处理时,设定最大时间差值长度为0.001~0.01个时间片时长。优化的,在所述步骤S103中,采用如下方式将所述数据段样本编码为脉冲序列:以动态视觉传感器视野中的每一行对应一个传入突触,得到如下形式的第i个数据段样本内的第a个脉冲序列式中,NI为传入突触的总数,为脉冲序列的脉冲时间:式中,为在第a行上发生的行事件个数,max{c}为在所有行上发生的行事件个数的最大值。优化的,在所述步骤S103中,采用如下方式将所述数据段样本编码为脉冲序列:以动态视觉传感器视野中的每一行对应一个传入突触,以行地址对所有行事件的激活时间进行分类,得到如下形式的第i个数据段样本内的第a个脉冲序列式中,NI为传入突触的总数,NS为脉冲序列的脉冲总数。综上,采用本专利技术所提供的一种基于动态视觉传感器的步态识别方法,具有如下有益效果:(1)本专利技术创造提供了一种基于动态视觉传感器的时空模式分析方法,并通过基于Tempotron算法的脉冲神经网络模型,可实现对由动态视觉传感器录制的步态数据进行训练和识别,使最终得到本文档来自技高网
...
一种基于动态视觉传感器的步态识别方法

【技术保护点】
一种基于动态视觉传感器的步态识别方法,其特征在于,包括如下:(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练:S101.应用动态视觉传感器对行人的步态场景进行录制,得到包含多个步态周期的事件流,其中,所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成;S102.将所述事件流分割成多个数据段样本,其中,每个数据段样本均包含处于一个完整步态周期内的所有数据;S103.将所述数据段样本编码为脉冲序列;S104.将所述脉冲序列作为输入,将与行人对应的二进制标签作为输出,对所述脉冲神经网络模型进行训练,其中,所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同;(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别:S201.执行步骤S101~S103,获取待识别行人的数据段样本及对应的脉冲序列;S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入,获取各个神经元的输出;S203.根据各个神经元的输出,获取二进制标签,最后根据该二进制标签识别出待识别行人。

【技术特征摘要】
1.一种基于动态视觉传感器的步态识别方法,其特征在于,包括如下:(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练:S101.应用动态视觉传感器对行人的步态场景进行录制,得到包含多个步态周期的事件流,其中,所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成;S102.将所述事件流分割成多个数据段样本,其中,每个数据段样本均包含处于一个完整步态周期内的所有数据;S103.将所述数据段样本编码为脉冲序列;S104.将所述脉冲序列作为输入,将与行人对应的二进制标签作为输出,对所述脉冲神经网络模型进行训练,其中,所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同;(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别:S201.执行步骤S101~S103,获取待识别行人的数据段样本及对应的脉冲序列;S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入,获取各个神经元的输出;S203.根据各个神经元的输出,获取二进制标签,最后根据该二进制标签识别出待识别行人。2.如权利要求1所述的一种基于动态视觉传感器的步态识别方法,其特征在于,在所述步骤S104中,对所述脉冲神经网络模型进行训练的步骤包括如下:S301.对于每个神经元,在向各个传入突触输入一批脉冲序列后,按照如下公式计算亚阈值膜电压Vi(t):式中,i和a分别为自然数,为第i个数据段样本内的第a个脉冲序列,ωa为第a个传入突触的权重,Vrest为静息电位,为归一化的突触后电位,计算公式如下:式中,V0是使PSP核归一化的因子,τm为膜积分的衰减时间常数,τs为突触电流的衰减时间常数;S302.当所述亚阈值膜电压Vi(t)达到阈值电位Vthr时,触发神经元发放脉冲,然后使所述亚阈值膜电压Vi(t)平缓下降至静息电位;S303.比较神经元的实际输出与目标输出是否一致,若不一致,对突触权重ωa采用以下规则修正:(a)若实际输出为发放脉冲,而目标输出为不发放脉冲,则对每一个ωa的修正值Δωa计算如下:(b)若实际输出为未发放脉冲,而目标输出为发放脉冲,则对每...

【专利技术属性】
技术研发人员:齐盼攀李洪莹唐华锦燕锐陈盈科高绍兵
申请(专利权)人:四川大学
类型:发明
国别省市:四川,51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1