[发明专利]一种基于步态的性别识别方法

说明书

技术领域

本发明属于模式识别领域，涉及图像处理和计算机视觉等技术，特别是涉及基于步态的性别识别。

背景技术

随着技术的发展以及硬件设备价格的逐渐降低，大量的监控摄像头被安装到各种场合，特别是那些对安全要求敏感的场合，如机场、社区、银行、停车场、军事基地等。动态场景的视觉监控是近年来备受关注的前沿研究方向，它从摄像机捕捉的图像序列中检测、识别、跟踪目标并对其行为进行理解。尽管目前作为人类视觉延伸的监控摄像机在商业应用中已经普遍存在，但目前的监控系统一般只能录相用于事后取证，而不能实时的分析视频数据并实时报警。因此，开发出具有实际意义的自动性、智能性的视觉监控系统日益变得迫切和必要。这就要求不仅能用摄像机代替人眼，而且能用计算机协助人、代替人，以完成监视或控制任务。

性别是人在社会活动中的一个很重要的特征，人一般可以很准确的从比较远的距离判断出其他人的性别。但对计算机来说，远距离识别出一个人的性别是一个很困难的问题。

用于性别识别的生物特征目前有脸像、语音和步态等。基于脸像和声音进行性别识别已经进行了相对广泛的研究。不过脸像有时可能被隐藏，或者在距离比较远时呈现较差的分辨率而难以辨认；使用语音的问题是语音易于受到噪声的影响。目前已有的基于步态的性别识别方法基本上采用在人体的各个部位贴标志块，或者建立人体模型来提取特征。

发明内容

现有技术基于步态的性别识别是在人体上贴标志块的方法需要用户的高度配合，且对用户带来不便，只可以在实验室条件下使用，无法推广到一般的应用中；建立人体模型的方法往往具有比较高的计算复杂度，而且很难稳定地将每一帧建立模型，为了解决现有技术的问题，本发明的目的是提供一种基于步态的性别识别方法。

为了实现上述目的，本发明提供的基于步态的远距离性别识别方法，基于视频，并包括性别训练和性别识别两个过程，步骤如下：

性别训练步骤S1：对已经标好性别的步态视频序列进行特征提取，对提取的特征进行训练并建模，获得性别分类模型参数；

性别识别步骤S2：对含有行人的视频或者摄像头数据进行特征提取，将提取的步态特征输入到步骤S1训练得到的模型，获得视频中行人的性别。

根据本发明的实施例，所述训练步骤S1如下：

步骤S11：对视频数据库中的步态序列经过前景检测和分割后，提取出人体轮廓并将轮廓归一化到相同的高度；

步骤S12：通过人在行走时的轮廓宽度变化，计算出步态周期；

步骤S13：对一个步态周期内的轮廓计算，求得平均轮廓图像；

步骤S14：对平均轮廓图像特征通过主成分分析法进行降维，获得投影矩阵，并用投影矩阵将平均轮廓投影到另一空间，获得投影系数特征；

步骤S15：将投影系数特征输入支持向量机进行训练，获得基于支持向量机的性别模型参数并将次参数保存。

根据本发明的实施例，所述识别步骤S2如下：

步骤S21：对摄像头数据或者视频文件中的步态序列经过前景检测和分割后，提取出人体轮廓并将轮廓归一化到相同的高度；

步骤S22：通过人在行走时的轮廓宽度变化，计算出步态周期；；

步骤S23：对一个步态周期内的轮廓计算，求得平均轮廓图像；

步骤S24：使用步骤S14中获得到投影矩阵，将平均轮廓投影到另一空间，获得投影系数特征；

步骤S25：载入步骤15中获得的模型，并将投影系数特征输入识别模块，得到当前行人的性别。

根据本发明的实施例，所述提取步态特征并进行训练，获得性别分类模型用于性别识别。

根据本发明的实施例，所述识别，是使用平均轮廓图像作为特征进行性别识别，平均轮廓是通过对一个步态周期内的所有人体轮廓进行平均所得。

根据本发明的实施例，所述步态周期，是使用轮廓的宽度向量的自相关系数计算步态周期；将一个轮廓的最宽处的宽度定为此轮廓的宽度，一个视频序列中的所有轮廓宽度形成一个向量，对这个向量计算自相关系数，获得步态周期。

根据本发明的实施例，在性别识别中，是使用主元分析法对平均轮廓图像进行降维。

根据本发明的实施例，在性别识别中，是使用支持向量机对特征进行训练，获得能够分辨性别的模型。