System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于模式识别,具体涉及一种正面视角步态识别方法,尤其是一种基于局部模糊光流直方能量图的正面视角步态识别方法。
技术介绍
1、步态识别旨在通过分析和提取行人的步态运动特性进行身份识别或验证,是模式识别及生物特征识别领域中的一个重要课题。步态识别凭借其非接触性、隐蔽性及远距离可感知性的特点,作为新一代的生物特征识别技术被广泛应用在视频监控等领域。由于侧面视角的步态运动易于获取且时空信息直观,目前大多数的步态识别工作都是基于侧面视角的步态运动进行的。然而,在实际的视频监控应用中,特别是安全敏感的环境中,监控摄像头通常被安放在狭窄的走廊、出入口等位置,数据收集区域狭小,往往拍摄到的是个体的正面视角步态运动。正面视角下运动个体的大小会随着与摄像头的距离改变而改变,步态的时空运动特性不明显,基于侧面视角的步态识别方法的识别精度会大大下降甚至失效。促进步态识别技术的实际应用落地,正面视角步态识别是无法回避的问题。
2、目前对于正面视角步态识别的研究工作,主要被分为基于深度摄像机的方法和基于rgb摄像机的方法。尽管这些方法在正面视角步态识别实现较高的正确识别率,但存在着以下问题:(1)大多基于rgb摄像机的方法通常从rgb步态视频中提取人体步态轮廓图像,并从人体轮廓形状的变化中提取步态时空信息,这需要繁琐的图像预处理过程及精确的人体轮廓提取和对齐技术,并且识别精度也取决于步态轮廓图像的质量。(2)很多基于深度摄像机的方法使用行人的深度变化信息来更全面地描述步态运动,或导出人体骨骼关节数据进行人体建模和特征提取,尽管这能弥补
技术实现思路
1、本专利技术的目的是克服现有方法存在的不足,提供一种基于局部模糊光流直方能量图的正面视角步态识别方法。一种更为简单有效的,特征鲁棒性强和识别精度高的正面视角步态识别方法。
2、本专利技术直接在正面视角步态视频上计算像素点的运动信息来获取人体下肢局部部位的步态运动特性,并通过局部模糊光流直方能量图对步态运动信息进行建模,作为人体步态表示。构建直方图特征学习网络,使用直方图特征学习网络进一步挖掘局部模糊光流直方能量图的内在步态运动特性,并映射到具有判别力的深度特征空间,提取具有判别力的深度特征向量。最后通过计算注册步态表示和验证步态表示在深度特征向量上的差异,返回与验证步态表示的距离最小的注册步态表示的身份作为身份识别结果,实现正面视角步态识别。
3、本专利技术的具体技术方案通过如下步骤实现:
4、步骤一、采集正面视角步态视频;
5、采集正面视角步态视频,获取每帧步态图像中的人体最小外接矩形区域;
6、步骤二、计算人体下肢区域像素点的运动信息;
7、定义人体下肢区域为感兴趣区域;计算相邻两帧步态图像的人体下肢区域的像素点运动,构建描述步态运动信息的光流场;
8、步骤三、提取局部模糊光流直方能量图;
9、划分人体下肢区域为六个局部区域,分别代表左大腿、右大腿、左小腿、右小腿、左脚、右脚区域,同时对应划分人体下肢区域的光流场得到下肢各个局部区域的光流场,以描述对应局部部位的步态运动信息;
10、在一个步态图像序列中,根据人体下肢局部区域的光流图,对描述步态运动特性的光流方向进行统计,计算局部模糊光流方向直方图;在时间维度上对局部模糊光流方向直方图进行平均操作,提取局部模糊光流直方能量图作为人体步态表示;
11、步骤四、直方图特征学习与步态识别;
12、构建直方图特征学习网络;使用直方图特征学习网络挖掘局部模糊光流直方能量图的内在步态运动特性,并映射到具有判别力的深度特征空间,提取具有判别力的深度特征向量;计算注册步态表示和验证步态表示在深度特征向量上的差异,返回与验证步态表示的距离最小的注册步态表示的身份作为身份识别结果,实现正面视角步态识别。
13、进一步的,在步骤一中,采集正面视角下的人体步态视频,获取每帧原始步态图像bt的人体最小外接矩形区域;所述人体最小外接矩形区域被记为bt(xul,yul,xlr,ylr),t=1,2,...,t表示步态图像的顺序索引,t为一个步态视频内步态图像序列的长度;(xul,yul)和(xlr,ylr)分别为人体最小外接矩形区域的左上角和右下角的二维坐标;所述人体最小外接矩形区域的高度为h=xlr-xul,宽度为w=ylr-yul。
14、进一步的,在步骤二中,所述感兴趣区域为人体下肢区域;所述人体下肢区域可以被表述为:
15、
16、其中,st为所述人体下肢区域;所述人体下肢区域的左上角的二维坐标为右下角的二维坐标为所述人体下肢区域的高度为宽度为
17、进一步的,在步骤二中,所述人体下肢区域的步态运动信息由相邻两帧步态图像的人体下肢区域的光流场描述;所述人体下肢区域的光流场是相邻两帧步态图像的人体下肢区域的像素点运动;所述光流场vt的数学表示为:
18、vt={[ρ(x,y),θ(x,y)]|x=1,2,...,h′;y=1,2,...,w′;(x,y)∈st} (2)
19、其中,ρ(x,y)和θ(x,y)分别是坐标点为(x,y)的像素点的光流幅值和光流方向。
20、进一步的,在步骤三中,所述人体下肢区域的划分方法为:划分人体下肢区域为六个局部区域,分别代表右大腿、左大腿、右小腿、左小腿、右脚和左脚区域;所述六个局部区域被表示为:
21、
22、
23、
24、
25、
26、
27、其中分别为右大腿、左大腿、右小腿、左小腿、右脚和左脚区域。
28、进一步的,在步骤二中,所述人体下肢区域的光流场的划分方法为:根据步骤三所述人体下肢区域划分方法,对应划分人体下肢区域的光流场为六个局部部位的子光流场;所述六个局部部位的光流场的数学表述为:
29、
30、
31、
32、
33、
34、
35、其中分别表示右大腿、左大腿、右小腿、左小腿、右脚和左脚区域的光流场。
36、进一步的,在步骤三中,所述步态运动特性由人体下肢局部部位的光流信息描述,并通过局部模糊光流直方能量图对局部步态运动特性进行建模;所述局部模糊光流直方能量图的计算方法如下:
37、(1)计算局部光流方向直方图:
38、(1.1)计算每个步态图像的每本文档来自技高网...
【技术保护点】
1.基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,包含如下步骤:
2.根据权利要求1所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤一中,采集正面视角下的人体步态视频,获取每帧原始步态图像Bt的人体最小外接矩形区域;所述人体最小外接矩形区域被记为Bt(xul,yul,xlr,ylr),t=1,2,...,T表示步态图像的顺序索引,T为一个步态视频内步态图像序列的长度;(xul,yul)和(xlr,ylr)分别为人体最小外接矩形区域的左上角和右下角的二维坐标;所述人体最小外接矩形区域的高度为H=xlr-xul,宽度为W=ylr-yul。
3.根据权利要求1或2所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤二中,所述感兴趣区域为人体下肢区域;所述人体下肢区域可以被表述为:
4.根据权利要求3所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤二中,所述人体下肢区域的步态运动信息由相邻两帧步态图像的人体下肢区域的光流场描述;所述人体下肢区域的光流场是相邻两帧步
5.根据权利要求1或4所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤三中,所述人体下肢区域的划分方法为:划分人体下肢区域为六个局部区域,分别代表右大腿、左大腿、右小腿、左小腿、右脚和左脚区域;所述六个局部区域被表示为:
6.根据权利要求5所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤二中,所述人体下肢区域的光流场的划分方法为:根据步骤三所述人体下肢区域划分方法,对应划分人体下肢区域的光流场为六个局部部位的子光流场;所述六个局部部位的光流场的数学表述为:
7.根据权利要求1或6所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤三中,所述步态运动特性由人体下肢局部部位的光流信息描述,并通过局部模糊光流直方能量图对局部步态运动特性进行建模;所述局部模糊光流直方能量图的计算方法如下:
8.根据权利要求1或7所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤四中,所述直方图特征学习网络使用局部模糊光流直方能量图作为网络输入,通过训练网络来挖掘局部模糊光流直方能量图内在的步态运动特性,将直方图特征映射到一个具有判别力的深度特征空间,输出具有判别力的深度特征向量。
9.根据权利要求8所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤四中,所述直方图特征学习网络包括依次连接的非线性加强模块、特征提取模块和下采样模块;
10.根据权利要求1或9所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤四中,所述步态识别方法是在具有判别力的深度特征空间中,计算注册步态表示和验证步态表示在深度特征向量上的差异,返回与验证步态表示的距离最小的注册步态表示的身份作为身份识别结果,实现正面视角步态识别。
...【技术特征摘要】
1.基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,包含如下步骤:
2.根据权利要求1所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤一中,采集正面视角下的人体步态视频,获取每帧原始步态图像bt的人体最小外接矩形区域;所述人体最小外接矩形区域被记为bt(xul,yul,xlr,ylr),t=1,2,...,t表示步态图像的顺序索引,t为一个步态视频内步态图像序列的长度;(xul,yul)和(xlr,ylr)分别为人体最小外接矩形区域的左上角和右下角的二维坐标;所述人体最小外接矩形区域的高度为h=xlr-xul,宽度为w=ylr-yul。
3.根据权利要求1或2所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤二中,所述感兴趣区域为人体下肢区域;所述人体下肢区域可以被表述为:
4.根据权利要求3所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤二中,所述人体下肢区域的步态运动信息由相邻两帧步态图像的人体下肢区域的光流场描述;所述人体下肢区域的光流场是相邻两帧步态图像的人体下肢区域的像素点运动;所述光流场vt的数学表示为:
5.根据权利要求1或4所述的基于局部模糊光流直方能量图的正面视角步态识别方法,其特征在于,在步骤三中,所述人体下肢区域的划分方法为:划分人体下肢区域为六个局部区域,分别代表右大腿、左大腿、右小腿、左小腿、右脚和左脚区域;所述六个局部区域被表示为:
6.根...
【专利技术属性】
技术研发人员:邓木清,邹毅,曾智,朱武桥,刘远,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
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。