低分辨率视频中的人物识别方法技术

本发明专利技术涉及一种低分辨率视频中的人物识别方法，具体是对提取到的人物前景轮廓求出ＳＶＢ?Ｆｒｉｅｚｅ特征，并对ＳＶＢ?Ｆｒｉｅｚｅ特征进行动态时间规正距离匹配和最近邻分类，包括：（１）提取目标人物视频中的人物轮廓前景图像；（２）人物轮廓图像的高度、宽度、步态周期等信息的提取与人物轮廓图像缩放；（３）求出横向ＳＶＢ?Ｆｒｉｅｚｅ特征、纵向ＳＶＢ?Ｆｒｉｅｚｅ特征、横向左右步ＳＶＢ?Ｆｒｉｅｚｅ差异特征、纵向左右步ＳＶＢ?Ｆｒｉｅｚｅ差异特征；（４）对此四种特征用动态时间规正距离匹配，加权求和并进行最近邻分类。本发明专利技术具有易于实现、鲁棒性强、精确度高、实时性强等优点，在帧的基础上实现了对人物运动特征的分析，可以作为智能家电中行人目标识别实时可靠的方法。

【技术实现步骤摘要】

本专利技术涉及一种，具体涉及一种从单个固定低分 辨率摄像机提取人物的SVB Frieze特征信息，并据此特征信息将人物分辨出来的方法。可 广泛应用于非接触式远距离的身份识别，智能家电，辅助监控等，属于模式识别中的人物识 别领域。
技术介绍
步态识别是根据人物走路姿势进行的人物身份识别，以提取的人物轮廓图像为基 础，旨在不考虑衣服、背景等因素。随着计算机视觉技术在家电行业中的应用，能实时自动 识别人物身份的智能家电成为世界家电行业新的竞争点。由于广泛的应用前景和潜在的 经济价值，人物身份识别是近年来备受关注的前沿课题，而利用生物识别技术辅助人物运 动分析更是发展的趋势，在远距离人物身份识别中步态被认为是最具潜力的特征，脸像、指 纹、虹膜等第一代生物特征，通常要求近距离地或者接触性地感知(如指纹需要接触指纹 扫描仪、脸像需要近距离捕捉以满足分辨率等)，而步态在此方面却突出了它的优越性，尤 其是在远距离的情况下，人的步态易于感知、非侵犯性、非接触性、难于隐藏和伪装的优点 已经使其成为一个独具特色的生物行为。由于人物行走时经常会携带一些小的物品，视频 中检测到的人物轮廓经常会有很大的变化，因此如何实时自动的提取人物特征同时又能尽 可能的降低携带物品的干扰成为工程、实际中亟待解决的问题。经过对现有技术文献的查找发现，目前基于步态的人物识别方法主要分为两 类一类是基于模型的方法，Lee等人于2002年发表在Proceedings of the Fifth IEEEInternational Conference on Automatic Face Gesture Recognition上的论文Gait analysisfor recognition and classification(基于步态分析的识别和分类)提出用7 个椭圆来建模人体的各个部分，提取椭圆参数(长短轴之比、质心坐标、主轴夹角)以及人 体结构参数(质心坐标)共29个参数作为步态识别的特征。该方法对人自身的遮挡鲁棒性 非常差，而且运算量大，因此不适合于工程应用。另外一类是非模型的方法，Seungkyu等人 于 2007 年发表在 Proceedings of the IEEE Computer Society Conference onComputer Vision and Pattern Recognition上的论文Shape Variation-Based Frieze Patternfor Robust Gait Recognition(—种鲁棒性强的步态识别SVB Frieze)向人们提出了一种新 的提取人物运动特征的方法在一个步态周期内，选取一个关键帧，求出其余帧与关键帧的 差异，并向横轴和纵轴方向叠加得到纵向SVB Frieze特征和横向SVBFrieze特征，再求出 纵向左右步SVB Frieze差异特征、横向左右步SVB Frieze差异特征，最后将此四种特征相 加得到匹配人物身份的判别式。该方法的优点是降低了携带物品的干扰，然而该方法需要 解决SVB Frieze特征维数变化问题，而Seungkyu提出的对SVB Frieze特征求平均值的方 法，将每帧人物步态运动特征模糊了，因此识别准确性不高。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提出一种低分辨率视频中的人物识别方 法，能在人物携带物品等干扰条件下，准确将人物运动信息凸现出来。为实现上述目的，本专利技术首先提取目标人物视频中的人物轮廓图像，根据人物轮 廓的宽度变化划分步态周期，保持高宽比不变将人物轮廓图像缩放到同一大小；然后选 取一个关键帧，求出其余帧与关键帧之间的差异，并 向横轴和纵轴方向叠加得到纵向SVB Frieze特征和横向SVB Frieze特征，再用动态时间规正算法求出纵向左右步SVB Frieze 差异特征、横向左右步SVB Frieze差异特征，最后用动态时间规正算法对待识别的步态数 据进行以上四种特征的匹配，完成人物识别。本专利技术的方法通过以下具体步骤实现1)首先把目标人物的视频读入计算机，再对视频进行背景建模与背景实时更新， 采用当前帧与背景帧相减的方法得到目标人物的轮廓前景图像；并将人物轮廓前景图像中 存在的空洞和零散白点去除；2)从人物轮廓前景图像中提取人物轮廓的特征，将每个人物轮廓最左面的点与最 右面的点的距离作为该人物轮廓的宽度，将最上面的点与最下面的点的距离作为该人物轮 廓的高度；选择人物轮廓水平方向的变化作为划分步态周期的标志；按人物轮廓的宽度和 高度将人物轮廓图像扣出；保持高宽比不变，将所有人物轮廓图像缩放到同一大小；3)选取人物两脚分开最远时的人物轮廓图像作为关键帧，其余帧与关键帧相减， 并向横轴和纵轴方向叠加得到纵向SVB Frieze特征和横向SVB Frieze特征，并用动态时 间规正算法求出纵向左右步SVB Frieze差异特征、横向左右步SVB Frieze差异特征；4)用动态时间规正算法对待识别步态的纵向SVB Frieze特征、横向SVB Frieze 特征、纵向左右步SVB Frieze差异特征、横向左右步SVB Frieze差异特征进行匹配，完成 人物识别。本专利技术与现有技术相比的显著效果在于真正做到了在帧的基础上对人物步态运 动信息进行比较，解决了人物步态周期经常发生变化而引发的维数变化问题，克服了人物 携带物品造成的干扰影响，具有算法简单、精确度高、鲁棒性强等优点。由于对每帧人物步 态运动都做出了局部最优匹配，提高了人物步态运动的分析能力，消除了实现真正工程应 用的主要障碍，克服了以往技术方法都难以克服的难点，真正做到了复杂人物运动的自动 识别，最终为智能家电中的人物识别提供了一种新的可靠的方法。附图说明图1本专利技术方法流程图。图2人物步态运动的轮廓分割示例，其中(a)背景图像；(b) 二值化后的前景轮廓 图像；(c)处理后的前景轮廓图像。图3关键帧与普通帧的差异。图 4SVB Frieze 特征。图5左右步SVB Frieze差异特征的匹配路径。图6左右步SVB Frieze差异特征。图7识别结果。具体实施例方式以下结合附图和实施例对本专利技术的技术方案作进一步详细说明。以下实施例以本 专利技术技术方案为前提进行实施，给出了详细的实施方式和过程，但本专利技术的保护范围不限 于下述的实施例。本专利技术方法流程如图1所示，读取目标人物视频后，先进行人物轮廓的提取与处 理，再提取横向SVB Frieze特征、纵向SVB Frieze特征，并用动态时间规正算法求出横向 左右步SVB Frieze差异特征、纵向左右步SVB Frieze差异特征，最后用动态时间规正算法 匹配上述特征并最小邻分类。具体实施步骤如下(实施例使用ViSualC++语言编程)(1)提取目标人物视频中的人物轮廓前景图像首先把目标人物的视频读入计算机机，再对视频进行背景建模与背景实时更新， 采用当前帧与背景帧相减的方法得到目标人物的轮廓前景图像；由于诸多客观因素的影 响，得到的人物轮廓前景图像总是存在空洞和零散的白点，为了消除这一不利因素，本专利技术 把轮廓最大的区域像素值填充为255，把剩余区域的像素值赋为0，得到比较准确的人物轮 廓前景图像，效果可见图2，图2本文档来自技高网...

【技术保护点】
一种低分辨率视频中的人物识别方法，其特征在于包括如下具体步骤：１）首先把目标人物的视频读入计算机，再对视频进行背景建模与背景实时更新，采用当前帧与背景帧相减的方法得到目标人物的轮廓前景图像；并将人物轮廓前景图像中存在的空洞和零散白点去除；２）从人物轮廓前景图像中提取人物轮廓的特征，将每个人物轮廓最左面的点与最右面的点的距离作为该人物轮廓的宽度，将最上面的点与最下面的点的距离作为该人物轮廓的高度；选择人物轮廓水平方向的变化作为划分步态周期的标志；按人物轮廓的宽度和高度将人物轮廓图像扣出；保持高宽比不变，将所有人物轮廓图像缩放到同一大小；３）选取人物两脚分开最远时的人物轮廓图像作为关键帧，其余帧与关键帧相减，并向横轴和纵轴方向叠加得到纵向ＳＶＢＦｒｉｅｚｅ特征和横向ＳＶＢＦｒｉｅｚｅ特征，并用动态时间规正算法求出纵向左右步ＳＶＢＦｒｉｅｚｅ差异特征、横向左右步ＳＶＢＦｒｉｅｚｅ差异特征；４）用动态时间规正算法对待识别步态的纵向ＳＶＢＦｒｉｅｚｅ特征、横向ＳＶＢＦｒｉｅｚｅ特征、纵向左右步ＳＶＢＦｒｉｅｚｅ差异特征、横向左右步ＳＶＢＦｒｉｅｚｅ差异特征进行匹配，完成人物识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙兵，李科，田雨，刘允才，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]