步态识别方法技术

本发明专利技术提出一种步态识别方法，包括立体视觉标定、训练和识别三个部分，具体步骤如下：立体视觉的摄像机标定；获取立体步态图像序列对；提取运动目标轮廓；立体匹配得到三维立体轮廓点；提取立体步态特征；使用主分量分析方法对所述立体步态特征进行降维；采用最近邻准则进行分类与识别。本发明专利技术所提取的立体步态特征具有很好的表征性和强鲁棒性，能够有效地提高步态身份认证的识别率。

【技术实现步骤摘要】

本专利技术涉及模式识别领域，特别涉及一种。
技术介绍
生物特征识别技术是鉴定个体身份的一种方法。它通过高科技信息检测技术、利用人体所固有的生理或行为特征进行个体的身份鉴别，包括人脸识别、指纹识别、虹膜识别和步态识别等多种识别技术。由于每个人的生物特征具有唯一性与普遍性，不易伪造和假冒，因此利用生物特征识别技术进行身份认证具有安全、可靠、正确等优点。目前广泛使用的指纹识别、虹膜识别及人脸识别等第一代生物特征识别技术，大多需要被检测对象的配合，有时需要被检测对象完成特定的动作才能进行识别，这样难免会造成某些身份认证的被动性。 步态识别旨在根据人们走路的姿势识别其身份。作为第二代生物特征识别技术，步态识别是唯一在远距离情况下可以进行身份认证的生物特征识别技术，具有隐蔽性好、对视频质量要求不高、远距离非接触以及难以伪装等优点。即使在其他生物特征识别技术都失效的情况下，步态识别仍能发挥强而有力的作用。基于上述优点，步态识别近年来备受关注，在视觉监控领域具有广阔的应用前景。 立体视觉作为计算机视觉领域的一个重要分支，其目的在于重构场景中的三维几何信息。它由不同位置的两台或多台摄像机拍摄同一场景中的图像，通过计算空间点在两幅图像中的视差以获得该空间点的三维坐标值。由于立体视觉提供了图像的三维坐标，理论上可以比单目视觉获得更多的有效信息。 现有的步态识别大多是在单目视觉的情况下进行的，只有极少部分是在多视角下进行的。目前，基于多视角的都是围绕预先建立的人体结构模型展开的研究，算法实现比较复杂，实验环境要求比较严格，需要构建人体模型的先验知识，并且基本侧重于跟踪与分析，识别也仅限于评估算法的有效性，而步态识别研究尚未进行。但是，由于立体视觉具有抗干扰性、有效性处理遮挡、包含更多的运动信息等优点，因此可结合立体视觉进行步态识别，以获得高识别率和强鲁棒性。
技术实现思路
本专利技术的目的旨在解决上述技术缺陷之一，特别是解决利用人行走时的步态运动变化行为进行人的身份识别的问题。 为了达到上述目的，本专利技术提出一种，包括立体视觉标定、训练和识别。所述立体视觉标定用于进行立体视觉双摄像机的标定；所述训练用于训练获得的立体步态数据库；所述识别用于对立体步态特征进行分类。 作为本专利技术的一个实施例，所述立体视觉标定包括以下步骤将立体视觉双摄像机采集到的标准棋盘格图像传输到计算机；对所述标准棋盘格图像进行预处理；提取标定所需要的特征点；对所述立体视觉双摄像机各自的内外参数进行标定；标定所述立体视觉双摄像机之间的空间相对位置参数；保存经过校准后的标定结果值。 作为本专利技术的一个实施例，所述训练包括以下步骤获取训练步态图像序列对；提取运动目标轮廓；立体匹配得到三维立体轮廓点；提取立体步态特征；使用主分量分析方法对所述立体步态特征进行降维，获得训练好的立体步态数据库。 作为本专利技术的一个实施例，所述识别采用最近邻准则，包括以样本质心作为类匹配模板计算欧氏距离，选取欧氏距离最小的一类作为归属类；或者，以样本标本质心作为类匹配模板计算欧氏距离，选取最近的样本标本质心所属的类作为归属类。 通过本专利技术所提取的立体步态特征具有很好的表征性和强鲁棒性，能够有效地提高步态身份认证的识别率。 本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。 附图说明 本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中 图1为本专利技术实施例的的流程图； 图2为本专利技术实施例的立体视觉双摄像机标定后的配置示意图； 图3为本专利技术实施例的运动目标轮廓提取的流程图； 图4为本专利技术实施例的部分立体步态图像序列对的示意图； 图5为本专利技术实施例的运动目标轮廓提取的结果示意图； 图6为本专利技术实施例的立体匹配结果示意图； 图7为本专利技术实施例的三维立体轮廓矢量提取示意图及归一化的L2范数的结果图； 图8为本专利技术实施例的特征空间投影示意图。 具体实施例方式 下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。 如图1所示，为本专利技术实施例的的流程图，包括以下步骤 步骤S101，进行立体视觉的摄像机标定。 目前常用的立体视觉的摄像机标定方法包括张氏标定法、Tsai标定法和 四步标定法等。由于 四步标定法对标定模板与摄像机位置的要求不高，易于实现，可以得到不同摄像机之间的变换矩阵，因此在本专利技术实施例中，采用 四步标定法标定摄像机的内外参数，具体步骤如下首先，不考虑任何畸变因素，用直接线性变换的方法计算参数的初值；然后，通过雅可比矩阵反复迭代计算，对参数进行非线性优化使得总的误差平方和最小；如果使用的控制点的投影大于1个像素，需补偿镜头圆形产生的失真；最后，解决图像校正问题，纠正受畸变扭曲的图像元素的坐标。 在 四步标定法中，内部参数包括焦距长度fc(用2×1矩阵表示，精确到像素)、图像主点坐标cc(用2×1矩阵表示)、x轴和y轴夹角的角度畸变alpha_c和图像扭曲系数kc(径向和切向扭曲，用5×1矩阵表示)，则摄像机矩阵定义为 外部参数包括3×3旋转矩阵om和3×1平移矩阵T，则两摄像机之间的空间位置关系可由关系式描述，其中，xwr、ywr和zwr分别为右摄像机在x轴、y轴和z轴的坐标，xwl、ywl和zwl分别为左摄像机在x轴、y轴和z轴的坐标。 如图2所示，为标定后的立体视觉双摄像机的配置示意图。 步骤S102，获取立体步态图像序列对。 步骤S103，提取运动目标轮廓。 如图3所示，为本专利技术实施例的运动目标轮廓提取的流程图，包括以下步骤 步骤S301，利用中间值的方法从部分立体步态图像序列中重建背景图像。 在本专利技术实施例中，设{Ik，k＝1，2，...，N}表示包含N帧的图像序列，则背景图像可以用表示，其中，Ik(x，y)是像素(x，y)处的灰度值，B(x，y)是背景图像在像素(x，y)处的灰度值。 步骤S302，运用改进的背景减除法获取运动目标的二值化图像序列。 目前常用的运动目标检测方法包括背景减除法、时间差分法和光流法等。基于各方法的复杂性和检测的有效性考虑，在本专利技术实施例中，采用背景减除法进行左右图像序列的运动目标检测。 但是，由于在对图像进行差分时很难确定合适的二值化阈值，因此在本专利技术实施例中，采用下述提取函数间接执行差分操作 其中，a(x，y)为当前图像在(x，y)处的亮度值，b(x，y)为背景图像在(x，y)处的亮度值，且0≤a(x，y)，b(x，y)≤255。对于每幅图像I(x，y)，通过二值化该提取函数可获取当前图像中的变化像素。 步骤S303，数学形态学处理。 由于图像中通常包含一些由影子、光照等原因造成的非背景噪声点，使得背景减除后得到的二值化图像存在一些小空洞、沟壑及毛刺等非目标对象，因此使用数学形态学方法填充空洞、去除噪声。 步骤S304，单连通区域分析。 对经过数学形态学处理的二值化图像运用单连本文档来自技高网...

【技术保护点】
一种步态识别方法，包括立体视觉标定、训练和识别，　所述立体视觉标定，用于对立体视觉双摄像机进行标定；　所述训练，用于训练所获得的立体步态数据库；　所述识别，用于对立体步态特征进行分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：汪增福，刘海涛，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：34[中国|安徽]