基于运动时序能量图的步态识别方法技术

本发明专利技术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；本发明专利技术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。

【技术实现步骤摘要】
基于运动时序能量图的步态识别方法
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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；本专利技术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，本专利技术采用如下技术方案：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：步骤B01：运动信息能量图的第一帧为步态序列的第一帧图像，从第二帧开始，当前帧的运动信息能量图为当前帧的差分图和前一帧的运动信息能量图的叠加；运动信息能量图的具体计算过程为：将步态序列表示为B＝{B0,B1,...BN-1}，其中Bt表示输入的第t帧图像，t＝0所对应的Mt为第一帧图像，l是一个限定在区间[0,1]范围内的权重参数；Dt表示差分图，反映了第t帧的运动；从计算公式能够看出，运动信息能量图是通过递归地过滤步态中的信息计算得到，能够被连续地更新；运动信息能量图既包含了步态的动态信息，也包含了静态信息。所述步骤C的具体步骤如下：步骤C01：计算完运动信息能量图后，先将1/4步态周期中每一帧的腿部区域的平均宽度映射到[0，1]区间，以此来表示两个关键帧之间的相对位置；步骤C02：根据每一帧在时间域中所对应的位置，给每一帧分配不同的权重将它们映射到不同的通道上；为了可视化，选取红绿蓝三个彩色通道，将不同的权重赋给每一帧生成彩色运动信息能量图，此时，将人的运动信息映射到连续变化的RGB空间；步骤C03：最后，将所有1/4周期中彩色运动信息能量图求和取均值得到运动时序能量图；利用该运动时序能量图可以将行人的步态的静态信息和动态信息、时序信息较好地表征出来，能够更加准确地进行后续的分类识别。所述步骤D的具体步骤如下：步骤D01：将运动时序能量图作为步态特征，通过计算特征向量的欧式距离来进行相似性度量，用最近邻分类器进行分类识别；步骤D02：对步态特征进行PCA+LDA降维后进行相似性度量，再用最近邻分类器进行分类识别。与现有技术相比，本专利技术具有以下特点：第一，本专利技术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，准确的步态周期检测结果也将会对改善步态识别效果发挥积极的作用。第二，本专利技术通过计算运动信息能量图，不但可以提取步态的静态信息和动态信息，而且计算简单，易于实现。第三，本专利技术通过运动时序能量图可以将行人的步态的静态信息、动态信息、时序信息较好地表征出来，并且缩短了步态特征提取时间，能够更加准确地进行后续的分类识别。第四，在USFHumanID数据集上进行测试，本专利技术与与当前的主流方法相比，识别结果优于当前的一些主流算法。附图说明图1.是本专利技术的整体流程。图2.是一个行人的部分侧影序列图。图3.是一个步态序列的腿部区域的平均宽度随步态帧变化的图像。图4.展示的是行人腿部区域的划分，其中图4a为提公文包的行人，图4b为背包的行人，图4c为正常行走的行人。图5.是经过平滑后的腿部区域的平均宽度随步态帧变化的图像。图6.是本专利技术的关键帧检测结果。图7.展示的是静态信息和动态信息，其中图7a为第一帧图像，图7b为差分图。图8.是一个步态序列中其中几个关键帧的运动信息能量图。图9.是映射到RGB空间的部分彩色运动信息能量图。图10.展示三个不同的行人的运动时序能量图。图11.展示的是USFHumanID步态数据库采集的一些图片。图12.展示具体数据集的制定。图13.是本专利技术与CGI方法的Rank1和Rank5对比结果。图14.是相关算法直接使用原始特征在USF数据集上的Rank1对比。图15.是相关算法直接使用原始特征在USF数据集上的Rank5对比。图16.是相关算法PCA+LDA降维后的特征在USF数据集上的Rank1对比。图17.是相关算法PCA+LDA降维后的特征在USF数据集上的Rank5对比。具体实施方式下面结合附图详细介绍本专利技术各步骤中的具体细节。本专利技术提出了一种基于运动时序能量图的步态识别方法，该方法整个流程如图1所示，主要包括步态周期检测、运动信息能量图计算和运动时序能量图生成。该方法具体包括以下步骤：步骤A：对输入的行人序列图进行背景减除和前景对齐等预处理操作后，获得了尺寸统一规范的侧影图像，如图2所示为其中一个经过预处理的行人的一部分侧影序列图；通过检测腿部区域的平均宽度的极值点来检测步态周期。所述步骤A的具体步骤如下：步骤A01：首本文档来自技高网...

【技术保护点】
1.一种基于运动时序能量图的步态识别方法，其特征在于：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。

【技术特征摘要】
1.一种基于运动时序能量图的步态识别方法，其特征在于：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。2.根据权利要求1所述的一种基于运动时序能量图的步态识别方法，其特征在于：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。3.根据权利要求1所述的一种基于运动时序能量图的步态识别方法，其特征在于：所述步骤B的具体如下：运动信息能量图的第一帧为步态序列的第一帧图像，从第二帧开始，当前帧的运动信息能量图为当前帧的差分图和前一帧的运动信息能量图的叠加；运动信息能量图的具体计算过程为：将步态序列表示为B＝{B0,B1,...BN-1}，其中B...

【专利技术属性】
技术研发人员：宋永红，邱亚茹，谢永红，张元林，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61