加权融合三通道特征步态表征方法技术

加权融合三通道特征步态表征方法，属于模式识别技术领域。解决了现有步态表征方法识别率低的技术问题。本发明专利技术步态表征方法：先从步态视频流中获取行人的二值化轮廓序列，并将每帧图像标准中心化；然后根据行人在行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中采用光流能量图提取步态的整体特征；再将每帧步宽时序信息编码到RGB三通道，并将步宽信息投影到光流能量图中，得到RGB三通道的步态表征图像；最后对R、G通道的特征进行典型相关分析，得到的两个向量执行加权融合，将融合后的结果与B通道特征进行典型相关分析，得到的两个向量进行加权融合。该方法对表征非正面周期步态序列有效，能够取得较好的识别性能。

【技术实现步骤摘要】
加权融合三通道特征步态表征方法
本专利技术属于模式识别
，具体涉及一种加权融合三通道特征步态表征方法。
技术介绍
步态识别是近年来计算机视觉和生物特征识别领域一个备受关注的研究方向，它旨在根据人走路的姿势进行身份识别[1]。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。并且，步态的非接触性、不易伪装、远距离等优点，在智能视频监控中有很大的应用前景。然而，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。在上述影响因素存在的条件下，步态表征差异给步态识别带来困难。可以通过完备步态表征，尽可能提取有益于识别的步态信息，解决在不同行走条件下步态识别率低的问题。为了完备步态表征，国内外提出了很多基于类能量图的步态表征方法。类能量图法不需要考虑人体模型结构和计算人体各部分的精确参数，它是周期性时空步态特征按照一定规则的累积类。类能量图法在步态识别中得到广泛的应用。经典的类能量图法主要有：A.信息累计法：2006年，Han等人[2]提出步态能量图，将归一化的一个周期图像能量的叠加，像素的浓度为在该像素位置人体运动的能量，但这种方法的光流能量图(GFI)丢失前后帧联系的运动特征。2014年，Lee等人[3]提出一种步态运动模式的统计学描述。计算步态周期中每帧每个像素的二项分布，所有像素的均值和方差的累积得到步态概率图，但该方法同样缺少帧间的时序特征。B.动态信息引入法：2011年，Lam等人[4]将光流场引入到能量图中，提出的步态流图很好的表征了步态信息，但该计算复杂度较高。C.信息融合法：陈实等人[5]提出彩色步态运动历史图描述步态的时空信息。它将单足站立为起点的单步周期长的单步运动历史图、对侧足站立为起点的单步周期长的单步运动历史图和一个步态周期内的步态能量图三种灰度图像分别分配给R、G、B三个通道，实现数据的融合。2014年，Hofmann等人[6]实现了深梯度直方能量图和步态能量图决策级融合，但丢失了部分步态信息。与专利技术相关的公开报道包括：[1]贲晛烨,徐森,王科俊.行人步态的特征表达及识别综述[J].模式识别与人工智能,2012,25(1):71-81.[2]HanJ,BhanuB.Statisticalfeaturefusionforgait-basedhumanrecognition[C],Proceedingsofthe2004IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition(CVPR),Washington,DC.IEEE,2004:II-842-II-847.[3]LeeCP,TanAWC,TanSC.Gaitprobabilityimage:Aninformation-theoreticmodelofgaitrepresentation[J],JournalofVisualCommunicationandImageRepresentation,2014,25(6):1489-1492.[4]LamTHW,CheungKH,LiuJNK.Gaitflowimage:Asilhouette-basedgaitrepresentationforhumanidentification[J],Patternrecognition,2011,44(4):973-987.[5]陈实,马天骏,黄万红等.用于步态识别的多层窗口图像矩[J],电子与信息学报,2009,31(1):116-119.[6]HofmannM,GeigerJ,BachmannS,etal.TheTUMgaitfromaudio,imageanddepth(GAID)database:Multimodalrecognitionofsubjectsandtraits[J],JournalofVisualCommunicationandImageRepresentation,2014,25(1):195-206.
技术实现思路
本专利技术的目的是解决现有技术中不同行走状态下步态表征不完备带来的识别率低的问题，即测试步态的行走状态与注册步态的行走状态不匹配时，识别性能明显下降的问题，提供一种加权融合三通道特征步态表征方法。本专利技术解决上述技术问题采取的技术方案如下。加权融合三通道特征步态表征方法，步骤如下：步骤一、采用码本检测方法从步态视频流中获取行人的二值化轮廓序列，并将每帧图像标准中心化；步骤二、根据行人在行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中采用光流能量图提取步态的整体特征；步骤三、将每帧步宽时序信息编码到RGB三通道，并将步宽信息投影到光流能量图中，得到RGB三通道的步态表征图像；步骤四、对R通道和G通道的特征进行典型相关分析(CCA)，得到的两个向量进行加权融合，将融合后的结果与B通道特征进行典型相关分析，得到的两个向量进行加权融合。进一步的，所述步骤一中，每帧图像标准中心化是将二值化轮廓序列中的行人人体居中，每帧图像统一大小。进一步的，所述步骤二中，非正面步态周期检测公式为：式中，Gi为第i帧步态图像腿部区域平均宽度，h1和h2分别为某帧前景图像中人的脚踝和膝盖的人体测量学高度，Ri和Li分别为第j行中属于前景的最左边和最右边的像素位置。进一步的，步骤二中，在一个周期中采用光流能量图提取步态的整体特征的公式为：式中，uFi(x,y)和vFi(x,y)分别为水平方向和垂直方向的光流场；N为一个步态周期中包含的步态帧数；i为时间，(x,y)为二维图像平面坐标。进一步的，所述步骤三中，将每帧步宽时序信息编码到RGB三通道的公式为：式中，Pi为步宽信息，Gi由公式(1)求得，Gmax和Gmin分别为腿部区域平均宽度的最大和最小值，I为图像最大的强度值。更进一步的，I为1或255。进一步的，所述步骤三中，将步宽信息投影到光流能量图中的公式为：式中，为1/4步态周期内的RGB三通道的步态表征图像，p为1/4步态周期包含的帧数，Fi(x,y)为第i帧的步态流图，Pi为第i帧的步宽信息，B(·)、G(·)和R(·)为时序信息编码到RGB颜色空间的三个通道。进一步的，所述步骤四中，典型相关分析的定义如下：X＝{x1,x2,...,xn},和Y＝{y1,y2,...,yn},分别为两组0均值随机向量，典型相关分析旨在寻找两个投影方向和目标函数为：利用拉格朗日乘子法解决式(5)的优化问题：求解式(6)，最大特征值对应的特征向量即为投影向量，选取前d(d≤min(Nx,Ny),d≤n)对组成投影矩阵Wx＝[px1,px2,...,pxd]Τ和Wy＝[py1,py2,...,pyd]Τ，提取X和Y之间的典型相关特征u＝WxX和v＝WyY。进一步的，所述步骤四中，对R通道和G通道的特征进行典型相关分析，得到的两个向量进行加权融合，采用的公式为：式中，R1、G1分别是R通道和G通道的原始特征，R2、G2分别是R通道和G通道的新特征向量，分别是对R1、G1进行典型相关分析得到的投影矩阵，α、β均为加权系数，满足α+β＝1。进一步的，所述步骤四中，将融合后的结本文档来自技高网...

【技术保护点】
1.加权融合三通道特征步态表征方法，其特征在于，步骤如下：步骤一、采用码本检测方法从步态视频流中获取行人的二值化轮廓序列，并将每帧图像标准中心化；步骤二、根据行人在行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中采用光流能量图提取步态的整体特征；步骤三、将每帧步宽时序信息编码到RGB三通道，并将步宽信息投影到光流能量图中，得到RGB三通道的步态表征图像；步骤四、对R通道和G通道的特征进行典型相关分析，得到的两个向量执行加权融合，将融合后的结果与B通道特征进行典型相关分析，对得到的两个向量进行加权融合。

【技术特征摘要】
1.加权融合三通道特征步态表征方法，其特征在于，步骤如下：步骤一、采用码本检测方法从步态视频流中获取行人的二值化轮廓序列，并将每帧图像标准中心化；步骤二、根据行人在行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中采用光流能量图提取步态的整体特征；步骤三、将每帧步宽时序信息编码到RGB三通道，并将步宽信息投影到光流能量图中，得到RGB三通道的步态表征图像；步骤四、对R通道和G通道的特征进行典型相关分析，得到的两个向量执行加权融合，将融合后的结果与B通道特征进行典型相关分析，对得到的两个向量进行加权融合。2.根据权利要求1所述的加权融合三通道特征步态表征方法，其特征在于，所述步骤一中，每帧图像标准中心化是将二值化轮廓序列中的行人人体居中，每帧图像统一大小。3.根据权利要求1所述的加权融合三通道特征步态表征方法，其特征在于，所述步骤二中，非正面步态周期检测公式为：式中，Gi为第i帧步态图像腿部区域平均宽度，h1和h2分别为某帧前景图像中人的脚踝和膝盖的人体测量学高度，Ri和Li分别为第j行中属于前景的最左边和最右边的像素位置。4.根据权利要求1所述的加权融合三通道特征步态表征方法，其特征在于，步骤二中，在一个周期中采用光流能量图提取步态的整体特征的公式为：式中，uFi(x,y)和vFi(x,y)分别为水平方向和垂直方向的光流场；N为一个步态周期中包含的步态帧数；i为时间，(x,y)为二维图像平面坐标。5.根据权利要求1所述的加权融合三通道特征步态表征方法，其特征在于，所述步骤三中，将每帧步宽时序信息编码到RGB三通道的公式为：式中，Pi为步宽信息，Gi由公式(1)求得，Gmax和Gmin分别为腿部区域平均宽度的最大和最小值，I为图像的最大强度值。6.根据权利要求5所述的加权融合...

【专利技术属性】
技术研发人员：吕卓纹，王一斌，邢向磊，王科俊，
申请(专利权)人：四川师范大学，
类型：发明
国别省市：四川,51