一種基于光流場的步態(tài)識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及步態(tài)識別技術(shù)領(lǐng)域，特別涉及一種基于光流場的步態(tài)識別方法。
【背景技術(shù)】
[0002] 步態(tài)識別是生物特征識別技術(shù)中的新興領(lǐng)域，它旨在根據(jù)個體行走方式識別身 份。早期的醫(yī)學研究證明步態(tài)具有唯一性，通過實驗發(fā)現(xiàn)人類可以根據(jù)步態(tài)識別出人的身 份。近幾年，隨著計算機視覺研究技術(shù)的進步，利用計算機視覺技術(shù)來分析和識別人的步態(tài) 成為可能，作為識別特征，步態(tài)具有如下優(yōu)點：非侵犯性、非強迫性、清晰度要求低、難以隱 藏和偽、易于采集、可遠距離感知等。步態(tài)識別的這些優(yōu)點使它在智能視頻監(jiān)控領(lǐng)域具有很 大的應(yīng)用價值，比人臉識別更具優(yōu)勢。目前計算機速度以及存儲容量在不斷提高，攝像設(shè)備 在很多區(qū)域被安裝使用，隨著世界安全形勢的日益嚴峻，社會安全意識的日益覺醒，步態(tài)識 別的研究將會不斷深入和完善，其應(yīng)用將會廣泛滲透到人們?nèi)粘Ｉa(chǎn)生活中的各個領(lǐng)域。
[0003] 當前關(guān)于步態(tài)識別方法的研究大致可分成兩類，基于模型的方法和基于輪廓的方 法?；谀Ｐ偷姆椒ㄖ荚趶娜梭w運動過程中重建一個結(jié)構(gòu)化模型，通過提取運動人體區(qū)域 關(guān)節(jié)點（腳踝、膝蓋、臀部）構(gòu)建運動模型，這種方法對運動特征的提取信息量少，缺乏代表 性?；谳喞姆椒ㄖ饕峭ㄟ^對運動過程中所形成二值圖像序列的輪廓進行處理，從人 體輪廓圖提取唯一性的步態(tài)特征?，F(xiàn)有技術(shù)中公開了一種基于時空輪廓分析的步態(tài)識別方 法，將輪廓形狀變化轉(zhuǎn)換為一組距離信號近似表達步態(tài)運動的時空變化模式，但是對光照、 陰影、服飾及攜帶物等干擾的魯棒性較差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種基于光流場的步態(tài)識別 方法，該識別方法能很好的提取人行走過程中的步態(tài)運動信息，對服飾、攜帶物等具有很強 的魯棒性，有效的解決了現(xiàn)有步態(tài)識別技術(shù)中步態(tài)特征提取不充分，代表性不強的問題。
[0005] 本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)：一種基于光流場的步態(tài)識別方法，步驟如 下：
[0006] S1、獲取個體的步態(tài)輪廓圖像序列，其中步態(tài)輪廓圖像序列中相鄰兩幀圖像形成 一個步態(tài)光流場；
[0007] S2、獲取各個步態(tài)光流場光流縱向分量的代數(shù)和，根據(jù)光流縱向分量的代數(shù)和的 周期變化確定步態(tài)周期；
[0008] S3、選定步態(tài)輪廓圖像序列中的多個步態(tài)周期，然后將步態(tài)輪廓圖像序列中多個 步態(tài)周期下的各個步態(tài)光流場相疊加，得到每個個體的步態(tài)光流圖；
[0009] S4、針對每個個體的步態(tài)光流圖提取以下四個步態(tài)特征向量：步態(tài)光流圖行光流 橫向分量和向量、步態(tài)光流圖行光流縱向分量和向量、步態(tài)光流圖列光流橫向分量和向量 以及步態(tài)光流圖列光流縱向分量和向量；
[0010] S5、建立步態(tài)數(shù)據(jù)庫：根據(jù)步驟S1至S4獲取到訓練集中訓練個體的步態(tài)光流圖的 四個步態(tài)特征向量，并且存儲于步態(tài)數(shù)據(jù)庫中；
[0011] S6、通過步驟Sl至S4獲取到測試集中測試個體的步態(tài)光流圖的四個步態(tài)特征向 量，并且與步態(tài)數(shù)據(jù)庫存儲的訓練集各訓練個體的步態(tài)光流圖的四個步態(tài)特征向量相匹 配，根據(jù)匹配效果識別出測試個體。
[0012] 優(yōu)選的，所述步驟S2中，各個光流場光流縱向分量的代數(shù)和T(t)為：
[0014] 其中X，y分別表不步態(tài)光流場的列號和行號，W，H分別表不步態(tài)光流場的列號總 數(shù)和行號總數(shù)，t表示個體步態(tài)輪廓圖像序列圖像的幀數(shù)；f v(x，y，t)表示步態(tài)輪廓圖像序 列中第t幀與第t+Ι幀圖像形成的光流場在（X，y)處的縱向分量。
[0015] 優(yōu)選的，所述步驟S3中每個個體的步態(tài)光流圖F (X，y)為：
[0017] 其中X，y分別表示步態(tài)光流圖F(x, y)的列號和行號；fT(x, y, t)表示步態(tài)輪廓圖 像序列中選定的第T個步態(tài)周期內(nèi)第t幀與第t+Ι幀圖像形成的光流場，1表示步態(tài)輪廓 圖像序列中選定的每個步態(tài)周期內(nèi)圖像的總幀數(shù)，L為步態(tài)輪廓圖像序列中選定的步態(tài)周 期T的總數(shù)。
[0018] 優(yōu)選的，所述步驟S4中每個個體的步態(tài)光流圖提取的四個步態(tài)特征向量如下，其 中
[0019] 步態(tài)光流圖行光流橫向分量和向量為ru，其中ru(h)為：
[0021] 步態(tài)光流圖行光流縱向分量和向量為rv，其中rv(h)為：
[0023] 步態(tài)光流圖列光流橫向分量和向量為cu，其中CU(W)為：
[0025] 步態(tài)光流圖列光流縱向分量和向量為cv，其中cv(w)為：
[0027] 其中h表示每個個體的步態(tài)光流圖的行號，h = 1，2,…，H，H表示行號總數(shù);w表 示每個個體的步態(tài)光流圖的列號，w = 1，2,…，W，W表示列號總數(shù)；其中u表示步態(tài)光流圖 光流橫向分量，V表示步態(tài)光流圖光流縱向分量；I (u, h, w)表示步態(tài)光流圖在行號、列號分 別為h、w處的光流橫向分量，I (V, h, w)表示步態(tài)光流圖在行、列號分別為h、w處的光流縱 向分量。
[0028] 優(yōu)選的，測試集測試個體的步態(tài)光流圖的步態(tài)特征向量與步態(tài)數(shù)據(jù)庫存儲的訓練 集各訓練個體的步態(tài)光流圖的步態(tài)特征向量通過PCA (主成分分析，Principal Components Analysis)算法和LDA(線性判別分析，Linear Discriminant Analysis)算法相結(jié)合的方 式進行匹配，根據(jù)匹配效果識別出測試個體。
[0029] 更進一步的，所述步驟S5中，建立步態(tài)數(shù)據(jù)庫時具體操作步驟如下：
[0030] Step 1、首先對訓練集X中的各個訓練個體的步態(tài)輪廓圖像序列進行重心歸一化 處理，將重心歸一化處理后的步態(tài)輪廓圖像序列進行步驟Sl至S3的處理，獲取到各訓練個 體的步態(tài)光流圖F l j (X，y);其中訓練集X中訓練個體總數(shù)為I，其中各訓練個體i的步態(tài)光 流圖的數(shù)目為J1, i = 1，2, 3, ...，I，步態(tài)光流圖Flj (X，y)表示的是各訓練個體i的第j個 步態(tài)光流圖，其中j = 1，2, 3，...，J1;訓練集X總共獲取到步態(tài)光流圖的總數(shù)N為：
[
[0032] Step 2、根據(jù)步驟S4提取各訓練個體i對應(yīng)J1個步態(tài)光流圖的以下四個步態(tài)特 征向量：步態(tài)光流圖行光流橫向分量和向量、步態(tài)光流圖行光流縱向分量和向量、步態(tài)光流 圖列光流橫向分量和向量以及步態(tài)光流圖列光流縱向分量和向量，并且分別將上述J 1個步 態(tài)光流圖行光流橫向分量和向量、J1個步態(tài)光流圖行光流縱向分量和向量、J1個步態(tài)光流 圖列光流橫向分量和向量以及J i個步態(tài)光流圖列光流縱向分量和向量形成行數(shù)為J i的矩
[0034] rUlj分別表示各訓練個體i第j個步態(tài)光流圖對應(yīng)的步態(tài)光流圖行光流橫向分量 和向量；
[0036] rVlj分別表示各訓練個體i第j個步態(tài)光流圖對應(yīng)的步態(tài)光流圖行光流縱向分量 和向量；
[0038] CUlj分別表示各訓練個體i第j個步態(tài)光流圖對應(yīng)的步態(tài)光流圖列光流橫向分量 和向量；
[0040] CVlj分別表示各訓練個體i第j個步態(tài)光流圖對應(yīng)的步態(tài)光流圖列光流縱向分量 和向量；
[0041] Step 3、分別求取矩陣
的平均值，以分別得到各訓練 Τ? 個體i步態(tài)光流圖行光流橫向分量和向量平均向量TM.f、步態(tài)光流圖行光流縱向分量和向 量平均向量《Τ'、步態(tài)光流圖列光流橫向分量和向量平均向量》以及步態(tài)光流圖列光流 縱向分量和向量平均向量
[0042] Step 4 :獲取到訓練集X的總體平均向量：
[0043] 步態(tài)光流圖行光流橫向分量和向量總平均向量：
[0045] 步態(tài)光流圖行光流縱向分量和向量總平均向量：
[0047] 步態(tài)光流圖列光流橫向分量和向量總平均向量：
[0049] 步態(tài)光流圖列光流縱向分量和向量總平均向量：
[0051] Step 5、將訓練集的各訓練個體i的步態(tài)光流圖行光流橫向分量和向量平均 向量％ 、步態(tài)光流圖行光流縱向分量和向量平均向量/^、步態(tài)光流圖列光流橫向 1 1 分量和向量平均向量^^以及步態(tài)光流圖列光流縱向分量和向量平均向量^分別對 應(yīng)減去訓練集X的步態(tài)光流圖行光流橫向分量和向量總平均向量M'步態(tài)光流圖行光 流縱向分量和向量總平均向量M'步態(tài)光流圖列光流橫向分量和向量總平均向量M? 以及步態(tài)光流圖列光流縱向分量和向量總平均向量M'將上述所形成的差值向量即
作為行向量，i = 1，2, 3,. . .，I，形成一 個I行的矩陣J:
[0053] Step 6、計算
的特征值λ和對應(yīng)的特征向量^并將特征向量單位化，得到 單位化后的特征向量〇 :
[0055] 根據(jù)的特征值λ的值按從大到小的順序?qū)ο鄳?yīng)單位化后的特征向量云排 序，選取前^1維度的特征向量組合成？〇4的投影子空間匕。，，^\匕。：，^\11滿足如 下關(guān)系：
[0057] q表示組成投影空間時選取的維度，Q表示特征向量的總維度；
[0058] St印7、求出各訓練個體i的四個特征向量分別在投影子空間PpJu，PpJ v，Ppca'
求出各訓 練個體i分別在投影子空間PpJu，PpJv，P pJu，PpJv下
的投影值
求出訓練集X分別在投影子空間P