一种多维人体步态识别方法与设备技术

本申请实施例提供的一种多维人体步态识别方法与设备，通过获取人体步态信息，人体步态信息包括步态视频和电磁波回波步态信号；将步态视频和电磁波回波步态信号在时间维度上进行同步；提取步态视频中的视频关键帧；提取视频关键帧的特征分量与视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，将特征分量和主成分分量组合为多维特征分量；将多维特征分量与数据库中的人体步态特征进行匹配，对人体步态信息对应的人物的身份进行识别。由于获取的人体步态信息包括多个维度，并对获取到的人体步态信息进行特征提取，并组合为多维特征分量，利用多维特征分量与数据库中预先存储的人体步态特征进行匹配，提高了步态识别的结果的准确率。

A multi-dimensional human gait recognition method and equipment

A multi-dimensional human gait recognition method and device provided by the embodiment of the present application include obtaining human gait information, which includes gait video and electromagnetic echo gait signals, synchronizing the gait video and electromagnetic echo gait signals in the time dimension, and extracting video key frames in the gait video. The feature component of video key frame and the time-frequency feature of electromagnetic echo gait signal synchronized with video key frame are extracted, and the feature component and principal component are combined into multi-dimensional feature component. The identity of the characters is identified. Because the acquired human gait information includes many dimensions, and carries on the characteristic extraction to the obtained human gait information, and combines into the multi-dimensional characteristic component, uses the multi-dimensional characteristic component to match with the human gait characteristic stored in the database, improves the accuracy of the gait recognition result.

【技术实现步骤摘要】
一种多维人体步态识别方法与设备
本申请涉及基于生物特征的身份识别认证
，尤其涉及一种多维人体步态识别方法与设备。
技术介绍
步态是指人体行走时的方式，这是一种复杂的行为特征，与人体的肌肉、骨骼等生理结构以及长期形成的动作习惯息息相关，人体的外貌特征可能会因为部分原因而改变(比如，化妆)，但是，人体走路的姿势却很难改变或者伪装。步态识别是一种新兴的利用生物特征的身份识别技术，旨在通过人体走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有可以非接触远距离实施和不容易伪装的优点。在智能视频监控领域，比面部图像识别更具优势。现有的步态识别技术包括基于视频图像的步态识别以及基于电磁回波的步态识别。基于视频图像的步态识别用摄像机拍摄图像，从中去除背景，提取人物行走画面，识别人物行走特征。基于电磁回波的步态识别是通过雷达向人体目标发射电磁波，并且接收反射回波，由于多普勒效应，回波信号的载频由于人体手臂、腿部的运动而富含复杂的时频特征，可以基于这一时频特征反映人体的步态特征，进而实现识别。不过，现有技术中的步态识别技术还不成熟，例如，视频步态识别与光照条件、拍摄距离和角度、背景干扰程度等因素的关系密切，如果图像质量不佳、人物画面显示不清晰以及背景复杂，识别的精确度会明显下降，特别是人物着装宽大、携带物品时对步态识别也会产生明显的影响；基于雷达回波的步态识别中，回波是非常复杂的时变信号，步态特征体现为比较细微的频谱分布差别，造成特征提取识别的难度比较大，所需软硬件负荷都比较重，目前只是在军事等特殊领域有应用。总之，现有步态识别的结果的准确率较低，目前在实际应用当中难以真正实现根据人体的步态准确识别人体的身份。
技术实现思路
有鉴于此，本申请的目的在于提出一种多维人体步态识别方法与设备，来解决现有技术中视频或雷达回波等单一维度步态识别存在的结果准确率低、鲁棒性差、实现难度大等的技术问题。基于上述目的，在本申请的一个方面，提出了一种多维人体步态识别方法，包括：获取人体步态信息，所述人体步态信息包括步态视频和电磁波回波步态信号；将所述步态视频和所述电磁波回波步态信号在时间维度上进行同步；提取所述步态视频中的视频关键帧；提取所述视频关键帧的频域特征分量，以及，与所述视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，将所述频域特征分量和所述主成分分量组合为多维频域特征分量；将所述多维频域特征分量与数据库中预先存储的多维人体步态特征进行匹配，对所述人体步态信息对应的人物的身份进行识别。在一些实施例中，所述提取所述步态视频中的视频关键帧包括：从所述步态视频的每帧视频画面中提取运动区域，判断所述运动区域是否为人体区域；当所述运动区域为人体区域时，对所述人体区域进行归一化缩放；根据归一化缩放后的人体区域的外接矩形的宽度变化，选取宽度最大的帧和宽度最小的帧作为关键帧。在一些实施例中，所述提取所述视频关键帧的频域特征分量，包括：提取所述视频关键帧中的运动人体区域的边界轮廓，利用傅里叶变换将所述边界轮廓转换为频域特征，提取转换后的频域特征的特征分量。在一些实施例中，所述判断所述运动区域是否为人体区域包括：判断所述运动区域的面积是否在第一预设阈值范围内，当所述运动区域的面积在第一预设阈值范围内时，判断所述运动区域的外接矩形的高度与宽度的比值是否在第二预设阈值范围内，当所述运动区域的外接矩形的高度与宽度的比值在第二预设阈值范围内，确定所述运动区域为人体区域。在一些实施例中，所述判断所述运动区域是否为人体区域包括：以所述运动区域的重心为原点向所述运动区域的边界引出多个向量，组成向量组，计算所述向量组与预先设定的标准向量组的标准差，判断所述标准差是否小于预设阈值，当所述标准差小于预设阈值时，确定所述运动区域为人体区域。在一些实施例中，所述步态视频包括可见光步态视频和红外步态视频，其中，所述可见光步态视频为环境光亮度大于预设阈值时由可见光摄像机拍摄的步态视频，所述红外步态视频为环境光亮度小于或等于预设阈值时由红外摄像机拍摄的步态视频。在一些实施例中，在所述提取所述步态视频中的视频关键帧之前，所述方法还包括：对所述步态视频进行预处理，包括滤除噪声以及增强视频画面的对比度。在本申请的另一个方面，提出了一种多维人体步态识别设备，包括：人体步态信息获取模块，用于获取人体步态信息，所述人体步态信息包括步态视频和电磁波回波步态信号；步态信息同步模块，用于将所述步态视频和所述电磁波回波步态信号在时间维度上进行同步；视频关键帧提取模块，用于提取所述步态视频中的视频关键帧；特征分量提取模块，用于提取所述视频关键帧的频域特征分量，以及，与所述视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，所述特征分量提取模块还用于将所述频域特征分量和所述主成分分量组合为多维频域特征分量；特征匹配模块，用于将所述多维频域特征分量与数据库中预先存储的多维人体步态特征进行匹配，对所述人体步态信息对应的人物的身份进行识别。在一些实施例中，所述视频关键帧提取模块具体用于：从所述步态视频的每帧视频画面中提取运动区域，判断所述运动区域是否为人体区域；当所述运动区域为人体区域时，对所述人体区域进行归一化缩放；根据归一化缩放后的人体区域的外接矩形的宽度变化，选取宽度最大的帧和宽度最小的帧作为关键帧。在一些实施例中，所述特征分量提取模块具体用于：提取所述视频关键帧中的运动人体区域的边界轮廓，利用傅里叶变换将所述边界轮廓转换为频域特征，提取转换后的频域特征的特征分量。在一些实施例中，所述视频关键帧提取模块包括第一人体区域判断单元，所述第一人体区域判断单元用于：判断所述运动区域的面积是否在第一预设阈值范围内，当所述运动区域的面积在第一预设阈值范围内时，判断所述运动区域的外接矩形的高度与宽度的比值是否在第二预设阈值范围内，当所述运动区域的外接矩形的高度与宽度的比值在第二预设阈值范围内，确定所述运动区域为人体区域。在一些实施例中，所述视频关键帧提取模块包括第二人体区域判断单元，所述第二人体区域判断单元用于：以所述运动区域的重心为原点向所述运动区域的边界引出多个向量，组成向量组，计算所述向量组与预先设定的标准向量组的标准差，判断所述标准差是否小于预设阈值，当所述标准差小于预设阈值时，确定所述运动区域为人体区域。本申请实施例提供的一种多维人体步态识别方法与设备，通过获取人体步态信息，所述人体步态信息包括步态视频和电磁波回波步态信号；将所述步态视频和所述电磁波回波步态信号在时间维度上进行同步；提取所述步态视频中的视频关键帧；提取所述视频关键帧的特征分量，以及，与所述视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，将所述特征分量和所述主成分分量组合为多维特征分量；将所述多维特征分量与数据库中预先存储的人体步态特征进行匹配，对所述人体步态信息对应的人物的身份进行识别。由于获取的人体步态信息包括多个维度，并对获取到的人体步态信息进行特征提取，并组合为多维特征分量，利用所述多维特征分量与数据库中预先存储的人体步态特征进行匹配，提高了步态识别的结果的准确率。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显本文档来自技高网...

【技术保护点】
1.一种多维人体步态识别方法，其特征在于，包括：获取人体步态信息，所述人体步态信息包括步态视频和电磁波回波步态信号；将所述步态视频和所述电磁波回波步态信号在时间维度上进行同步；提取所述步态视频中的视频关键帧；提取所述视频关键帧的频域特征分量，以及，与所述视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，将所述频域特征分量和所述主成分分量组合为多维频域特征分量；将所述多维频域特征分量与数据库中预先存储的多维人体步态特征进行匹配，对所述人体步态信息对应的人物的身份进行识别。

【技术特征摘要】
1.一种多维人体步态识别方法，其特征在于，包括：获取人体步态信息，所述人体步态信息包括步态视频和电磁波回波步态信号；将所述步态视频和所述电磁波回波步态信号在时间维度上进行同步；提取所述步态视频中的视频关键帧；提取所述视频关键帧的频域特征分量，以及，与所述视频关键帧时间同步的电磁波回波步态信号的时频特征的主成分分量，将所述频域特征分量和所述主成分分量组合为多维频域特征分量；将所述多维频域特征分量与数据库中预先存储的多维人体步态特征进行匹配，对所述人体步态信息对应的人物的身份进行识别。2.根据权利要求1所述的方法，其特征在于，所述提取所述步态视频中的视频关键帧包括：从所述步态视频的每帧视频画面中提取运动区域，判断所述运动区域是否为人体区域；当所述运动区域为人体区域时，对所述人体区域进行归一化缩放；根据归一化缩放后的人体区域的外接矩形的宽度变化，选取宽度最大的帧和宽度最小的帧作为关键帧。3.根据权利要求2所述的方法，其特征在于，所述提取所述视频关键帧的频域特征分量，包括：提取所述视频关键帧中的运动人体区域的边界轮廓，利用傅里叶变换将所述边界轮廓转换为频域特征，提取转换后的频域特征的特征分量。4.根据权利要求2所述的方法，其特征在于，所述判断所述运动区域是否为人体区域包括：判断所述运动区域的面积是否在第一预设阈值范围内，当所述运动区域的面积在第一预设阈值范围内时，判断所述运动区域的外接矩形的高度与宽度的比值是否在第二预设阈值范围内，当所述运动区域的外接矩形的高度与宽度的比值在第二预设阈值范围内，确定所述运动区域为人体区域。5.根据权利要求2所述的方法，其特征在于，所述判断所述运动区域是否为人体区域包括：以所述运动区域的重心为原点向所述运动区域的边界引出多个向量，组成向量组，计算所述向量组与预先设定的标准向量组的标准差，判断所述标准差是否小于预设阈值，当所述...

【专利技术属性】
技术研发人员：李莉莉，
申请(专利权)人：特斯联北京科技有限公司，
类型：发明
国别省市：北京,11