一種步態(tài)輪廓提取方法
【專利摘要】一種步態(tài)輪廓提取方法，它涉及步態(tài)輪廓提取【技術(shù)領(lǐng)域】，它的提取方法為：將水平集函數(shù)在一個(gè)時(shí)空離散的網(wǎng)格中表示，先構(gòu)造SDF函數(shù)，以此初始化歸零，在求解偏微分方程的數(shù)值解，最后通過曲線的符號(hào)距離函數(shù)重新初始化，并判定數(shù)值是否穩(wěn)定，如果是停止迭代，否則重復(fù)上述過程。它對(duì)圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結(jié)合，提高了步態(tài)輪廓的清晰度和可辨別性。
【專利說明】一種步態(tài)輪廓提取方法
[0001]【技術(shù)領(lǐng)域】:
本發(fā)明涉及步態(tài)輪廓提取【技術(shù)領(lǐng)域】，具體涉及一種步態(tài)輪廓提取方法。
[0002]【背景技術(shù)】:
計(jì)算機(jī)視覺是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，用計(jì)算機(jī)來代替大腦完成處理和解釋；計(jì)算機(jī)視覺的最終研究目標(biāo)就是使計(jì)算機(jī)能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。
[0003]步態(tài)特征識(shí)別與其它生物特征識(shí)別技術(shù)(如人臉、虹膜、指紋等)不同，步態(tài)是人的外在的、動(dòng)態(tài)的表現(xiàn)，且和時(shí)空密切聯(lián)系，同時(shí)，與基于靜態(tài)特征的其它生物識(shí)別技術(shù)相比，步態(tài)識(shí)別具有非接觸性、非侵入性和難隱藏性等顯著的優(yōu)勢(shì)，這些優(yōu)勢(shì)使得它在智能監(jiān)控領(lǐng)域具有很大的應(yīng)用價(jià)值。
[0004]目前計(jì)算機(jī)速度以及存儲(chǔ)容量在不斷的提高，攝像設(shè)備在很多區(qū)域被安裝使用，隨著世界安全形勢(shì)的日益嚴(yán)峻、社會(huì)安全意識(shí)的日益覺醒，步態(tài)識(shí)別的研究將會(huì)滲透人們?nèi)粘Ｉ畹母鱾€(gè)領(lǐng)域，而這種遠(yuǎn)距離身份識(shí)別可以與任何一種靜態(tài)近距離身份識(shí)別技術(shù)相融合。
[0005]現(xiàn)有的步態(tài)輪廓提取方法限制了演化曲線分割的圖像中同一灰度，并使不同的圖像信息分別在不同的區(qū)域內(nèi)，影響了步態(tài)輪廓提取的效果。
[0006]
【發(fā)明內(nèi)容】
:
本發(fā)明的目的是提供一種步態(tài)輪廓提取方法，它對(duì)圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結(jié)合，提高了步態(tài)輪廓的清晰度和可辨別性。
[0007]為了解決【背景技術(shù)】所存在的問題，本發(fā)明是采用以下技術(shù)方案:它的提取方法為:將水平集函數(shù)在一個(gè)時(shí)空離散的網(wǎng)格中表示，先構(gòu)造SDF函數(shù)，以此初始化歸零，在求解偏微分方程的數(shù)值解，最后通過曲線的符號(hào)距離函數(shù)重新初始化，并判定數(shù)值是否穩(wěn)定，如果是停止迭代，否則重復(fù)上述過程。
[0008]本發(fā)明的原理為:采用的是以CV模型為基礎(chǔ)，將圖像的邊緣和區(qū)域信息相結(jié)合的一種新的變分水平集模型；對(duì)于外部能量項(xiàng)，在保留原有的CV模型能量項(xiàng)的基礎(chǔ)上，加入了分割前后圖像的梯度值，可以得到新的模型函數(shù)。
[0009]本發(fā)明對(duì)圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結(jié)合，提高了步態(tài)輪廓的清晰度和可辨別性。
[0010]【具體實(shí)施方式】:
本【具體實(shí)施方式】采用以下技術(shù)方案:它的提取方法為:將水平集函數(shù)在一個(gè)時(shí)空離散的網(wǎng)格中表示，先構(gòu)造SDF函數(shù)，以此初始化歸零，在求解偏微分方程的數(shù)值解，最后通過曲線的符號(hào)距離函數(shù)重新初始化，并判定數(shù)值是否穩(wěn)定，如果是停止迭代，否則重復(fù)上述過程。
[0011]本【具體實(shí)施方式】的原理為:采用的是以CV模型為基礎(chǔ)，將圖像的邊緣和區(qū)域信息相結(jié)合的一種新的變分水平集模型；對(duì)于外部能量項(xiàng)，在保留原有的CV模型能量項(xiàng)的基礎(chǔ)上，加入了分割前后圖像的梯度值，可以得到新的模型函數(shù)。
[0012]本【具體實(shí)施方式】對(duì)圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結(jié)合，提高了步態(tài)輪廓的清晰度和可辨別性。
【權(quán)利要求】
1.一種步態(tài)輪廓提取方法，其特征在于它的提取方法為:將水平集函數(shù)在一個(gè)時(shí)空離散的網(wǎng)格中表示，先構(gòu)造SDF函數(shù)，以此初始化歸零，在求解偏微分方程的數(shù)值解，最后通過曲線的符號(hào)距離函數(shù)重新初始化，并判定數(shù)值是否穩(wěn)定，如果是停止迭代，否則重復(fù)上述過程。
2.一種步態(tài)輪廓提取方法，其特征在于它的原理為:采用的是以CV模型為基礎(chǔ)，將圖像的邊緣和區(qū)域信息相結(jié)合的一種新的變分水平集模型；對(duì)于外部能量項(xiàng)，在保留原有的CV模型能量項(xiàng)的基礎(chǔ)上，加入了分割前后圖像的梯度值，可以得到新的模型函數(shù)。
【文檔編號(hào)】G06K9/46GK104463162SQ201310601984
【公開日】2015年3月25日 申請(qǐng)日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】陳擁權(quán), 張羽, 李梁 申請(qǐng)人:安徽寰智信息科技股份有限公司