【技术实现步骤摘要】
基于最优判别耦合投影的多视角步态识别方法
本专利技术涉及的是一种步态识别方法,特别涉及一种多视角步态识别方法。
技术介绍
步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份识别。与其他生物特征识别技术相比,步态识别是生物特征识别中唯一可以远距离识别的方法,其优势还包括非接触性、非侵犯性、易于感知、难于隐藏、难于伪装等。基于上述优点,步态识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广阔的应用空间和较高的经济价值。然而,步态识别在实际应用中也面临许多难点,主要表现在行人在行走过程中会受到外在环境和自身因素的影响,例如不同行走路面、不同分辨率、不同视角、不同服饰、不同携带物等因素。在上述影响因素中,视角变化是影响步态识别系统性能的最主要因素之一。视角变化问题是步态识别无法逃避的问题,因为人的行走方向是完全自由随机的,并且不同区域的摄像头存在位置差异。目前,传统的步态识别技术,如公开号CN1426020的专利文件中公开的“基于步态的远距离身份识别方法”,在固定视角下可以取得很好的性能,而在视角剧烈变化或存在遮挡的情况下,无法适用或识别性能明显下降。理论上在注册集中保存所有个体在多个视角下的步态信息可以提高传统步态识别方法在视角变化情况下的识别性能,然而存储多个视角的步态信息将耗费大量存储资源,不便于实际应用。
技术实现思路
本专利技术的目的在于提供一种在测试步态视角与注册集中步态视角不匹配的情况下也能保证有较好的识别性能,能降低系统的存储需求的基于最优判别耦合投影的多视角步态识别方法。本专利技术的目的是这样实现的:步骤1,对训练集里多个已知 ...
【技术保护点】
一种基于最优判别耦合投影的多视角步态识别方法,其特征是:步骤1,对训练集里多个已知视角的步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤2,在步骤1提取得到的训练集内多个视角下的步态特征中,选取一个标准视角步态特征,将其余多个视角下的步态特征分别与标准视角步态特征进行联合训练,得到相应的最优判别耦合投影矩阵对,所述标准视角步态特征选取90°视角作为标准视角;步骤3,对注册集中标准视角的步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤4,存储由步骤3提取到的标准视角即90°视角下的步态特征、由步骤2计算得出的其余多个已知视角和标准视角间步态特征的最优判别耦合投影矩阵对和不同视角步态特征的均值向量;步骤5,对测试集中的多个步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤6,对步骤5提取到的测试集中的步态特征进行视角估计,根据估计到的近似视角选取相应最优判别耦合投影矩阵对;步骤7,将注册集中标准视角步态特征和测试集中步态特征通过由步骤6选取的最优判别耦合投影矩阵对,投影到具有最优判别能力或最优类可分性的共同耦合步态特征空间中,并在其中进行 ...
【技术特征摘要】
1.一种基于最优判别耦合投影的多视角步态识别方法,其特征是:步骤1,对训练集里多个已知视角的步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤2,在步骤1提取得到的训练集内多个视角下的步态特征中,选取一个标准视角步态特征,将其余多个视角下的步态特征分别与标准视角步态特征进行联合训练,得到相应的最优判别耦合投影矩阵对,所述标准视角步态特征选取90°视角作为标准视角;具体包括:以90°视角下的步态特征与0°视角下的步态特征进行联合训练为例,将0°视角下的步态特征和90°视角下的步态特征分别投影到共同的耦合步态特征空间中,通过定义耦合空间中的整体类内相关矩阵和类间关系矩阵,得出耦合空间中的总体均平方距离分解为类内均方距离和类间均方距离之和,其中类内均方距离经变换表示为:其中,Px和Py为耦合投影矩阵对,表示90°视角训练样本集合,表示0°视角训练样本集合,N=2(Nx+Ny)2,Nx为训练集中90°视角下的样本数目,Ny为0°视角下的样本数目;C为集合X和Y之间的相关关系矩阵,Cx和Cy为单个空间的类内关系矩阵,矩阵Gx和Gy都是对角阵,其对角线元素分别为矩阵C的对应行的累加和,及对应列的累加和,矩阵Gxx和Gyy都是对角阵,其对角线元素分别为矩阵Cx和Cy的对应行的累加和,令则J+(Px,Py)简化表示为:J+(Px,Py)=Tr(PTZΩ+ZTP),同理得到类间均方距离J-,最终的目标函数定义为:所述的最优判别耦合投影矩阵对Px和Py,通过求解泛化特征值问题:EP=λFP来求解,其中E=ZΩ+ZT,F=ZΩ-ZT,P为对应Dc个最小特征值的特征向量,Dc为耦合特征空间的维数,按照P=[PxPy]T的定义,得到对应于数据集合X的变换矩阵Px,其大小为Dx×Dc,对应于数据集合Y的变换矩阵Py,其大小为Dy×Dc;步骤3,对注册集中标准视角的步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤4,存储由步骤3提取到的标准视角即90°视角下的步态特征、由步骤2计算得出的其余多个已知视角和标准视角间步态特征的最优判别耦合投影矩阵对和不同视角步态特征的均值向量;步骤5,对测试集中的多个步态视频序列进行行人目标轮廓提取、步态周期检测和步态特征提取;步骤6,对步骤5提取到的测试集中的步态特征进行视角估计,根据估计到的近似视角选取相应最优判别耦合投影矩阵对;步骤7,将注册集中标准视角步态特征和测试集中步态特征通过由步骤6选取的最优判别耦合投影矩阵对,投影到具有最优判别能力或最优...
【专利技术属性】
技术研发人员:王科俊,邢向磊,阎涛,吕卓纹,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江;23
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。