一种基于人体步态特征对身份进行识别的方法技术

本发明专利技术涉及一种基于人体步态特征对身份进行识别的方法，其包括如下步骤：第一步、由摄像头采集视频，对采集到的视频进行结构化处理，第二步、输入目标视频，创建识别服务，第三步、进行对比识别，将第一步中的特征值与第二步的特征值进行比对，输出比对结果。

An Identity Recognition Method Based on Human Gait Characteristics

The invention relates to a method for identifying identity based on human gait characteristics, which includes the following steps: first, video captured by camera, structured processing of captured video, second step, input target video, create identification service, third step, comparative recognition, comparing the eigenvalues of the first step with the eigenvalues of the second step, and output comparison. The result.

【技术实现步骤摘要】
一种基于人体步态特征对身份进行识别的方法
本专利技术涉及一种身份识别方法，特别是指一种基于对人体步态特征进行分析进而对其身份进行识别的方法。
技术介绍
当前生物识别技术已经存在很多了，也很成熟了，具体有虹膜识别、人脸识别与指纹识别等，但这些生物识别技术对于采样目标要求较高，例如虹膜识别通常需要目标在30厘米以内，人脸识别需在10米以内，而通过步态识别，其识别距离可达50米，是对人脸识别的一种补充。在真实的生物识别应用场景中，由于光线、摄像机角度、人脸角度等原因，人脸识别技术在某些场景中，识别率较低。那么，在人脸识别后，是否存在另一种在光线环境差、摄像机角度不好、距离较远等场景下，进行生物识别定位的一种方法，能够作为人脸识别一种补充，这个是生物识别需要解决的问题。步态识别系统主要是通过人体走路的姿势来识别人的身份，由于个体之间身体结构和运动行为上基本特性不同，步态运动为人的识别提供了独特的线索。
技术实现思路
本专利技术所采用的技术方案为：一种基于人体步态特征对身份进行识别的方法，其包括如下步骤：第一步、由摄像头采集视频，对采集到的视频进行结构化处理，实践中，采用创建步态算法运算服务的方式对采集到的视频进行结构化处理，并提取特征值，算法运算服务能够实现对视频的结构化处理，包括但不限于视频中感兴趣目标的步态识别等算法，完成对视频的结构化处理，实时提取海量视频资源中感兴目标的步态特征值。视频结构化描述是一种视频内容信息提取的技术，其对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。从数据处理的流程看，视频结构化描述技术能够将监控视频转化为人和机器可理解的信息，并进一步转化为实际所用的情报，实现视频数据向信息、情报的转化。第二步、输入目标视频，创建识别服务，识别服务根据输入的目标视频，提取目标视频中目标人物的步态特征信息，步态特征信息包括正常步态周期、时相、步态的跨步特征，其中，正常步态周期为从人物足跟着地到同侧腿足跟再次着地所经历的时间，时相为从人物足尖离地到足跟着地，足部离开支撑面的时间，时相占正常步态周期的35%-45%，步态的跨步特征为人物足着地的空间特征量，其包括人物的跨步长、步长、步宽以及步角，从目标视频的时间序列所包含的信息中进一步提取高层特征来描述人物，从一个时间视频序列的一帧中提取出若干个特征向量，每个时间视频序列由若干个特征向量序列表示，对于一个正常步态周期序列数据用K均值方法选取若干个关键帧，计算时间视频序列中的每帧和上述若干个关键帧之间的欧式距离，从而将特征向量进行压缩，并提取特征值。第三步、进行对比识别，将第一步中的特征值与第二步的特征值进行比对，输出比对结果。本专利技术的有益效果为：本专利技术的目的是针对图像中人体步态识别算法，检测人体步态，分辨特征，最终识别人。本专利技术的核心思想是能将任何图像资源与海量高清视频资源中进行比对，能快速定位出图像关联的视频资源。本专利技术的技术具有如下特点，识别范围广，可批量进行识别，范围为高速相机的可视范围大约50米左右。无需识别对配合，即便一个人在几十米外带面具背对普通监控摄像头随意走动，步态识别算法也可对其进行身份判断。本专利技术是对人脸等其他生物识别技术的一种补充，能快速确认身份以及定位感兴趣目标。附图说明图1为本专利技术的原理方框图。具体实施方式如图1所示，一种基于人体步态特征对身份进行识别的方法，其包括如下步骤：第一步、由摄像头采集视频，对采集到的视频进行结构化处理。实践中，采用创建步态算法运算服务的方式对采集到的视频进行结构化处理，并提取特征值，算法运算服务能够实现对视频的结构化处理，包括但不限于视频中感兴趣目标的步态识别等算法，完成对视频的结构化处理，实时提取海量视频资源中感兴目标的步态特征值。视频结构化描述是一种视频内容信息提取的技术，其对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。从数据处理的流程看，视频结构化描述技术能够将监控视频转化为人和机器可理解的信息，并进一步转化为实际所用的情报，实现视频数据向信息、情报的转化。第二步、输入目标视频，创建识别服务，识别服务根据输入的目标视频，提取目标视频中目标人物的步态特征信息，步态特征信息包括正常步态周期、时相、步态的跨步特征，其中，正常步态周期为从人物足跟着地到同侧腿足跟再次着地所经历的时间，时相为从人物足尖离地到足跟着地，足部离开支撑面的时间，时相占正常步态周期的35%-45%，步态的跨步特征为人物足着地的空间特征量，其包括人物的跨步长、步长、步宽以及步角，从目标视频的时间序列所包含的信息中进一步提取高层特征来描述人物。具体为，从一个时间视频序列的一帧中提取出29个特征向量，每个时间视频序列由29个特征向量序列表示。对于一个正常步态周期序列数据用K均值方法选取5个关键帧，计算时间视频序列中的每帧和上述5个关键帧之间的欧式距离，从而将特征向量从29维压缩到5维，并提取特征值。第三步、进行对比识别，将第一步中的特征值与第二步的特征值进行比对，输出比对结果。在具体实施的时候，本专利技术的具体步骤为。(1)创建步态算法运算服务A={A1,A2,A3,…,An}；算法运算服务可以实现对高清视频的结构化处理，包括但不限于视频中感兴趣目标的步态识别等算法，完成对高清视频的结构化处理，实时提取海量视频资源中感兴目标的步态特征值。视频结构化描述是一种视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。从数据处理的流程看，视频结构化描述技术能够将监控视频转化为人和机器可理解的信息，并进一步转化为公安实战所用的情报，实现视频数据向信息、情报的转化。(2)输入目标视频，创建识别服务O={O1,O2,O3,…,On};识别服务根据输入视频资源，提取资源中感兴趣目标生物的步态特征信息，主要的特征参数包括正常步态周期(一个步态周期是指从足跟着地到同侧腿足跟再次着地所经历的时间)、时相(从足尖离地到足跟着地,足部离开支撑面的时间,约占步态周期的40%,对于一些特殊步态，比如残疾步态不是很适用)。而步态的跨步特征是足着地的空间特征量,包括跨步长、步长、步宽和步角。在此基础上,我们从时间序列所包含的信息中进一步提取高层特征来描述步行者。从一个序列的一帧中可以提取出29个特征向量,因此,每个视频序列可以由29个特征向量序列表示。对一个周期步态序列数据中用K均值方法选取5个关键帧:si’,…,si,计算序列中的每帧和这5个关键帧者间的欧式距离:o{(k):I10附,(k)一凡,111=l,…,5(4一9)叫(k)表示第j个人根据第j个人压缩后的观测序列,注意到它只有五维,可作为观测帧和关键帧之间相似性度量。这样,可把训练向量维数从29维压缩到5维。由自相关性,第j个人的观测序列相对于第j个人关键帧求得的欧式距离比相对于第i个人所求的欧式距离要小。例如,一个矮小的人使用一个高大的人的关键帧压缩后得到的五维向量有较大的值。另外,压缩后向量的每一成分包含一个人独特的变换信息;这一变换信息可能是区分结构相似的两个人的关键因素。(3)创建比对识别服务S本文档来自技高网...

【技术保护点】
1.一种基于人体步态特征对身份进行识别的方法，其特征在于：包括如下步骤：第一步、由摄像头采集视频，对采集到的视频进行结构化处理，采用创建步态算法运算服务的方式对采集到的视频进行结构化处理，并提取特征值，第二步、输入目标视频，创建识别服务，识别服务根据输入的目标视频，提取目标视频中目标人物的步态特征信息，步态特征信息包括正常步态周期、时相、步态的跨步特征，其中，正常步态周期为从人物足跟着地到同侧腿足跟再次着地所经历的时间，时相为从人物足尖离地到足跟着地，足部离开支撑面的时间， 时相占正常步态周期的35%‑45%，步态的跨步特征为人物足着地的空间特征量，其包括人物的跨步长、步长、步宽以及步角，从目标视频的时间序列所包含的信息中进一步提取高层特征来描述人物，从一个时间视频序列的一帧中提取出若干个特征向量，每个时间视频序列由若干个特征向量序列表示，对于一个正常步态周期序列数据用K均值方法选取若干个关键帧，计算时间视频序列中的每帧和上述若干个关键帧之间的欧式距离，从而将特征向量进行压缩，并提取特征值，第三步、进行对比识别，将第一步中的特征值与第二步的特征值进行比对，输出比对结果。

【技术特征摘要】
1.一种基于人体步态特征对身份进行识别的方法，其特征在于：包括如下步骤：第一步、由摄像头采集视频，对采集到的视频进行结构化处理，采用创建步态算法运算服务的方式对采集到的视频进行结构化处理，并提取特征值，第二步、输入目标视频，创建识别服务，识别服务根据输入的目标视频，提取目标视频中目标人物的步态特征信息，步态特征信息包括正常步态周期、时相、步态的跨步特征，其中，正常步态周期为从人物足跟着地到同侧腿足跟再次着地所经历的时间，时相为从人物足尖离地到足跟着地，足部离开支撑面的时间，时相占正常步态周期的35%-45%，步态的跨步特征为人物足着地的空间特征量，其包括人物的跨步长、步长、步宽以及步角，从目标视频的时间序列所包含的信息中进一步提取高层特征来描述人...

【专利技术属性】
技术研发人员：贾伟，洪启祥，杨就，刘聪，郭小传，欧阳波，柴炯，刘永生，张万成，谭鹏飞，刘斌，张涛，黄毅，沈文凯，邓世春，罗珊珊，
申请(专利权)人：深圳市信义科技有限公司，
类型：发明
国别省市：广东,44