pJ u，PpJv，PpJu，P p: 下對(duì)應(yīng)的 M?，M"，M' Mev的投影值 P 二 P/v，PM?，PMev;
[0059] Step 8、計(jì)算各訓(xùn)練個(gè)體i的類(lèi)內(nèi)散布矩陣
和訓(xùn)練集X總的 類(lèi)內(nèi)散布矩陣S'S'S'S，
[0073] St印10、求解訓(xùn)練集X總的類(lèi)內(nèi)散布矩陣S?，S' Seu，SlP類(lèi)間散布矩陣
[0078] 按廣義特征值A(chǔ)lda從大到小的順序?qū)ο鄳?yīng)的特征向量Zlda排序，保留Z lda的前I-I 個(gè)特征向量組成線(xiàn)性最佳分類(lèi)子空間Pla/U，Pla/V，P lad' Pla廠；
[0079] St印 11、由投影子空間 Ppca?，Ppca' Ppca' PpcaCT和 P la/u，Pla/' Plad' P1Jv組合得 到步態(tài)數(shù)據(jù)庫(kù)中最終的步態(tài)特征投影子空間：
[0083] St印12、將St印5獲取到的差值向量
廣 V' Γ?7 -M分別對(duì)應(yīng)投影到步態(tài)數(shù)據(jù)庫(kù)中建立的四個(gè)投影子空間P?，P' P' P'得到：
[0088] 更進(jìn)一步的，所述步驟S6中識(shí)別過(guò)程具體如下：
[0089] Step 13、首先對(duì)測(cè)試集Y中的各個(gè)測(cè)試個(gè)體對(duì)應(yīng)的步態(tài)輪廓圖像序列進(jìn)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(jìn)行步驟Sl至S3的處理，獲取到各 測(cè)試個(gè)體對(duì)應(yīng)步態(tài)光流圖F ab (X，y);其中測(cè)試集Y中測(cè)試個(gè)體總數(shù)為A，各測(cè)試個(gè)體a的步 態(tài)光流圖數(shù)為Ba，a = 1，2, 3, . . .，A，步態(tài)光流圖Fab (X，y)表示的是各測(cè)試個(gè)體a的第b個(gè) 步態(tài)光流圖，其中b = 1，2, 3，...，Ba;
[0090] Step 14、根據(jù)步驟S4提取各測(cè)試個(gè)體a對(duì)應(yīng)Ba個(gè)步態(tài)光流圖的以下四個(gè)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B a個(gè)步 態(tài)光流圖行光流橫向分量和向量、Ba個(gè)步態(tài)光流圖行光流縱向分量和向量、Ba個(gè)步態(tài)光流 圖列光流橫向分量和向量以及Ba個(gè)步態(tài)光流圖列光流縱向分量和向量形成行數(shù)為B a的對(duì) 應(yīng)矩陣

[0092] ruab表示測(cè)試個(gè)體a第b個(gè)步態(tài)光流圖對(duì)應(yīng)的步態(tài)光流圖行光流橫向分量和向 量；
[0094] rvab表示測(cè)試個(gè)體a第b個(gè)步態(tài)光流圖對(duì)應(yīng)的步態(tài)光流圖行光流縱向分量和向 量；
[0096] CUab表示測(cè)試個(gè)體a第b個(gè)步態(tài)光流圖對(duì)應(yīng)的步態(tài)光流圖列光流橫向分量和向 量；
[0098] CVab表示測(cè)試個(gè)體a第b個(gè)步態(tài)光流圖對(duì)應(yīng)的步態(tài)光流圖列光流縱向分量和向 量；
[0099] Step 15、分別求矩陣_
的平均值，以分別得到測(cè)試個(gè)體 a步態(tài)光流圖行光流橫向分量和向量平均向量w y、步態(tài)光流圖行光流縱向分量和向量平 U 均向量步態(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 a it 分量和向量平均向量％ ;
[0100] Step 16、將各測(cè)試個(gè)體a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 a a 分量和向量平均向量m 、以及步態(tài)光流圖列光流縱向分量和向量平均向量m a a 分別對(duì)應(yīng)減去訓(xùn)練集X的步態(tài)光流圖行光流橫向分量和向量平均向量Μ?、步態(tài)光 流圖行光流縱向分量和向量平均向量M'步態(tài)光流圖列光流橫向分量和向量平均 向量Μ?以及步態(tài)光流圖列光流縱向分量和向量平均向量M'上述所形成的差值
然后將差值向量
分別對(duì)應(yīng)投影到步態(tài)數(shù)據(jù)庫(kù)中建立 的四個(gè)投影子空間Ρ?，Ρ"，P' P'得到：
[0104] Stepl7、計(jì)算測(cè)試個(gè)體a獲取到的y?、yn'、r、7與對(duì)應(yīng)步態(tài)數(shù)據(jù)庫(kù)訓(xùn)練個(gè) a u λ u. 體i獲取到的X1' ΧΓ、X1' X廣的歐氏距離D al' Dar、Dar、Dalev;
[0105] St印18、若測(cè)試集Y為第一次測(cè)試的測(cè)試集時(shí)，則根據(jù)歐氏距離Dal' Dal' Dal' DalOT按最近鄰分類(lèi)算法得到測(cè)試個(gè)體a和步態(tài)數(shù)據(jù)庫(kù)中訓(xùn)練個(gè)體i之間的步態(tài)光流圖行光 流橫向分量和向量識(shí)別率R'步態(tài)光流圖行光流縱向分量和向量識(shí)別率IT、步態(tài)光流圖列 光流橫向分量和向量識(shí)別率R?以及步態(tài)光流圖列光流縱向分量和向量識(shí)別率R ot;
[0106] 若測(cè)試集Y為第一次測(cè)試之后的測(cè)試集時(shí)，則進(jìn)入步驟Stepl9 ;
[0107] St印19、將步驟Stepl7中獲取到的測(cè)試個(gè)體a和步態(tài)數(shù)據(jù)庫(kù)訓(xùn)練個(gè)體i之間歐氏 距離Dal' Dal' Daleu、Dalev與步驟St印17獲取的步態(tài)光流圖行光流橫向分量和向量識(shí)別率 R?、步態(tài)光流圖行光流縱向分量和向量識(shí)別率IT、步態(tài)光流圖列光流橫向分量和向量識(shí)別 率IT以及步態(tài)光流圖列光流縱向分量和向量識(shí)別率R ot進(jìn)行特征融合，得到測(cè)試個(gè)體a與 步態(tài)數(shù)據(jù)庫(kù)中訓(xùn)練個(gè)體i之間的總歐氏距離：
[0108] Dal= R ruDalru+RrvDal rv+RcuDalcu+RcvD alcv，i = 1，2, 3, · · ·，I ;
[0109] St印20、根據(jù)步驟Stepl9獲取到的測(cè)試個(gè)體a與步態(tài)數(shù)據(jù)庫(kù)中各訓(xùn)練個(gè)體i之間 的總歐氏距離Dal，將步態(tài)數(shù)據(jù)庫(kù)中與測(cè)試個(gè)體a之間總歐氏距離最小的訓(xùn)練個(gè)體作為測(cè)試 個(gè)體的識(shí)別結(jié)果。
[0110] 更進(jìn)一步的，所述Stepl8中步態(tài)光流圖行光流橫向分量和向量識(shí)別率R?、步態(tài)光 流圖行光流縱向分量和向量識(shí)別率IT、步態(tài)光流圖列光流橫向分量和向量識(shí)別率R'步態(tài) 光流圖列光流縱向分量和向量識(shí)別率IT均為采用最近鄰分類(lèi)算法后的分類(lèi)正確個(gè)體與總 測(cè)試個(gè)體的比值。
[0111] 更進(jìn)一步的，所述步驟Step4中訓(xùn)練個(gè)體i步態(tài)光流圖行光流橫向分量和向量平 VTi _ rV _. 均向量％ 、步態(tài)光流圖行光流縱向分量和向量平均向量Wi、.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分別為：
[0116] 更進(jìn)一步的，所述步驟Stepl5中測(cè)試個(gè)體u步態(tài)光流圖行光流橫向分量和向量平 均向量w~、步態(tài)光流圖行光流縱向分量和向量平均向量.W:.、:步態(tài)光流圖列光流橫向分量 U U 和向量平均向量m以及步態(tài)光流圖列光流縱向分量和向量平均向量分別為： U U
[0121] 本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果：
[0122] (1)本發(fā)明根據(jù)個(gè)體的步態(tài)輪廓圖像序列獲取到步態(tài)光流場(chǎng)，并且根據(jù)步態(tài)光流 場(chǎng)的特點(diǎn)檢測(cè)出步態(tài)周期，然后將一個(gè)步態(tài)輪廓圖像序列中多個(gè)步態(tài)周期下的各個(gè)步態(tài)光 流場(chǎng)相疊加，獲取到個(gè)體的步態(tài)光流圖，針對(duì)個(gè)體各步態(tài)光流圖的步態(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四個(gè)步態(tài)特征向量。將測(cè)試個(gè)體的上述四個(gè)步態(tài)特征向 量與步態(tài)數(shù)據(jù)庫(kù)中訓(xùn)練個(gè)體的步態(tài)特征向量進(jìn)行匹配，根據(jù)匹配效果，在步態(tài)數(shù)據(jù)庫(kù)中識(shí) 別出測(cè)試個(gè)體。本發(fā)明對(duì)光流分量分別行列分解得到步態(tài)特征來(lái)識(shí)別身份，該方法能很好 的提取人行走過(guò)程中的步態(tài)運(yùn)動(dòng)信息，對(duì)服飾、攜帶物等具有很強(qiáng)的魯棒性，有效的解決了 現(xiàn)有的步態(tài)識(shí)別技術(shù)中特征提取不充分，代表性不強(qiáng)的問(wèn)題。本發(fā)明方法可以被廣泛應(yīng)用 于門(mén)禁系統(tǒng)、身份識(shí)別、手勢(shì)識(shí)別等與運(yùn)動(dòng)圖像處理相關(guān)的領(lǐng)域。
[0123] (2)本發(fā)明將測(cè)試個(gè)體對(duì)應(yīng)步態(tài)光流圖的步態(tài)特征向量與步態(tài)數(shù)據(jù)庫(kù)存儲(chǔ)的各個(gè) 體對(duì)應(yīng)步態(tài)光流圖的步態(tài)特征向量通過(guò)PCA算法和LDA算法相結(jié)合的方式進(jìn)行匹配，以識(shí) 別出測(cè)試個(gè)體，具有識(shí)別效果好的優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0124] 圖1是本發(fā)明方法流程圖。
[0125] 圖2是本發(fā)明方法中各步態(tài)光流場(chǎng)光流縱向分量的代數(shù)和T(t)的周期變化圖。
[0126] 圖3a至3e是本發(fā)明步態(tài)光流場(chǎng)不同分解距離精度下獲取到的個(gè)體步態(tài)光流圖。
[0127] 圖4a是本發(fā)明不同個(gè)體的步態(tài)光流圖行光流橫向分量和向量變化曲線(xiàn)圖。
[0128] 圖4b是本發(fā)明不同個(gè)體的步態(tài)光流圖行光流縱向分量和向量變化曲線(xiàn)圖。
[0129] 圖4c是本發(fā)明不同個(gè)體的步態(tài)光流圖列光流橫向分量和向量變化曲線(xiàn)圖。
[0130] 圖4d是本發(fā)明不同個(gè)體的步態(tài)光流圖列光流縱向分量和向量變化曲線(xiàn)圖。
【具體實(shí)施方式】
[0131] 下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限 于此。
[0132] 實(shí)施例
[0133] 本實(shí)施例公開(kāi)了一種基于光流場(chǎng)的步態(tài)識(shí)別方法，如圖1所示，步驟如下：
[0134] S1、獲取個(gè)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(gè)步態(tài)光流場(chǎng)；
[0135] S2、獲取各個(gè)步態(tài)光流場(chǎng)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；
[0136] 本步驟中各個(gè)光流場(chǎng)光流縱向分量的代數(shù)和T (t)為：
[0138] 其中X，y分別表不步態(tài)光流場(chǎng)的列號(hào)和行號(hào)，W，H分別表不步態(tài)光流場(chǎng)的列號(hào)總 數(shù)和行號(hào)總數(shù)，t表示個(gè)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