[发明专利]一种结合视角转换模型与隐马尔可夫模型的步态识别方法

说明书

本发明公开了一种结合视角转换模型与隐马尔可夫模型的步态识别方法，根据人行走习惯特点选取5个具有代表性的步态作为关键帧，计算一个步态周期内各帧到5个关键步态帧的距离并归一化后构造步态特征向量，利用该步态特征向量结合截断奇异值分解构造视角转换模型并训练隐马尔可夫模型参数。通过视角转换模型将测试集观测向量转换为与注册集相同的视角，最后实现基于隐马尔可夫模型的跨视角步态识别。经视角转换模型转换后的测试集与注册集具有更高的共性，隐马尔可夫模型也利于表达步态转换过程，该方法结合视角转换模型与隐马尔可夫模型的优点，增强了对视角变化的鲁棒性，能够在跨视角识别的情况下取得较好的效果。

技术领域

本发明涉及身份识别领域，尤其涉及一种结合视角转换模型与隐马尔可夫模型的步态识别方法。

背景技术

在智能监控领域中，远距离对人进行身份识别是一个充满挑战且具有广阔应用前景的方向。随着时代和经济的发展，人类活动频繁，公共场所安全问题面临极大挑战。学校、海关、城市道路、商场、银行、车站等场所大量铺设了摄像头监控设备，但大多应用于记录取证，很少用于警报和预警，原因在于无法远距离对视频中人员进行身份识别。

现如今基于生物特征的识别技术是身份识别领域的研究热点，生物特征包括人脸、指纹、虹膜和DNA等与生俱来的生理特征，还包括后天习惯养成且不易更改的行为特征，如签名笔迹、走路姿态等。与其它的生物特征识别相比，步态识别技术更适用于远距离的人物识别。虹膜识别通常需要目标在30厘米以内，人脸识别需在5米以内，而步态识别在超高清摄像头下，识别距离可达50米，在低视频质量下也可完成识别，且具有非侵犯性和难于隐藏性等极大优势。虽然现在步态识别在固定视角的限制条件下可以取得较高识别率，但对视角变化的鲁棒性并不高，这极大限制了步态识别的应用性。

发明内容

本发明的目的在于针对现有技术的不足，提供一种结合视角转换模型与隐马尔可夫模型的步态识别方法。

本发明的目的是通过以下技术方案来实现的：一种结合视角转换模型与隐马尔可夫模型的步态识别方法，包括以下步骤：

一种结合视角转换模型与隐马尔可夫模型的步态识别方法，其特征在于，包括以下步骤：

(1)数据集的获取：从公开的步态数据库中获取一部分步态图像，另外现场跟踪记录人的步行运动轨迹，提取视频序列；

(2)分别将步骤(1)中从数据库中获取的步态图像和提取的视频序列进行步态特征提取，具体包括以下子步骤：

(2.1)步态轮廓提取：公开数据库为已经处理好的步态轮廓图像，现场提取的视频序列采用背景减除法获取前景图像，并经形态学滤波处理和边缘跟踪获得步态轮廓图像；

(2.2)步态周期分割：根据行走时两个脚踝间距离变化的周期性分割步态周期，将正常行走的关键步态归纳为以下三种情形：脚踝并齐、左脚前右脚后、右脚前左脚后，并分别记为K₁、K₂和K₃，其中所述的脚踝并齐包括左脚提起经过右脚侧、右脚提起经过左脚侧和并齐站立，然后将一个完整步态周期定义为K₁→K₂→K₁→K₃→K₁或K₁→K₃→K₁→K₂→K₁这5个关键帧的转换过程；