一種步態(tài)輪廓抓取統(tǒng)計方法
【專利說明】
[0001]技術(shù)領域:
本發(fā)明涉及步態(tài)輪廓提取技術(shù)領域，具體涉及一種步態(tài)輪廓抓取統(tǒng)計方法。
[0002]【背景技術(shù)】:
計算機視覺時用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，用計算機來代替大腦完成處理和解釋；計算機視覺的最終研究目標就是使計算機能像人那樣通過視覺觀察和理解世界，具有自主適應環(huán)境的能力。
[0003]步態(tài)特征識別與其它生物特征識別技術(shù)(如人臉、虹膜、指紋等)不同，步態(tài)是人的外在的、動態(tài)的表現(xiàn)，且和時空密切聯(lián)系，同時，與基于靜態(tài)特征的其它生物識別技術(shù)相比，步態(tài)識別具有非接觸性、非侵入性和難隱藏性等顯著的優(yōu)勢，這些優(yōu)勢使得它在智能監(jiān)控領域具有很大的應用價值。
[0004]目前計算機速度以及存儲容量在不斷的提高，攝像設備在很多區(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)識別的研究將會滲透人們?nèi)粘Ｉ畹母鱾€領域，而這種遠距離身份識別可以與任何一種靜態(tài)近距離身份識別技術(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)輪廓抓取統(tǒng)計方法，它對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:它將水平集函數(shù)在一個時空離散的網(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，否則重復上述過程。
[0008]本發(fā)明采用的是以CV模型為基礎，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；對于外部能量項，在保留原有的CV模型能量項的基礎上，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]【具體實施方式】:
本具體實施采用以下技術(shù)方案:它將水平集函數(shù)在一個時空離散的網(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，否則重復上述過程。
[0011]本具體實施采用的是以CV模型為基礎，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；對于外部能量項，在保留原有的CV模型能量項的基礎上，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]本具體實施對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。
【主權(quán)項】
1.一種步態(tài)輪廓抓取統(tǒng)計方法，其特征在于，它將水平集函數(shù)在一個時空離散的網(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，否則重復上述過程，以CV模型為基礎，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；對于外部能量項，在保留原有的CV模型能量項的基礎上，加入了分割前后圖像的梯度值，可以得到新的模型函數(shù)。
【專利摘要】一種步態(tài)輪廓抓取統(tǒng)計方法，它將水平集函數(shù)在一個時空離散的網(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，否則重復上述過程，以CV模型為基礎，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；對于外部能量項，在保留原有的CV模型能量項的基礎上，加入了分割前后圖像的梯度值，可以得到新的模型函數(shù)。本發(fā)明對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。
【IPC分類】G06T7/00, G06K9/46
【公開號】CN105631453
【申請?zhí)枴緾N201410576297
【發(fā)明人】張雨蒙
【申請人】合肥諾泰文化傳媒有限公司
【公開日】2016年6月1日
【申請日】2014年10月26日