[发明专利]一种基于非线性动力学指标的速度无关的步态识别方法

说明书

本发明公开了一种基于非线性动力学指标的速度无关的步态识别方法。本发明包括以下步骤：采集人体步态运动轮廓图；提取人体下肢轮廓宽度、周长及面积参数曲线；基于轮廓参数，构建径向基函数神经网络对不同速度下的步态动力学进行建模，得到三维可视的步态动力学信息；计算三种非线性动力学指标，利用不同速度下的步态模式之间在非线性动力学指标上的差异，实现速度无关的步态识别。本发明直接从人体轮廓图上提取速度无关的步态动力学特征，不用进行复杂的图像处理过程，简单方便、容易操作。本发明所提取的动力学特征可以有效地应对多种步行速度下的识别挑战，实现多速度下的无限制步态识别。

技术领域

本发明属于模式识别技术领域，具体涉及一种与速度无关的基于非线性动力学指标的速度无关的步态识别方法。

背景技术

步态识别，作为一种新兴的生物特征识别技术，是模式识别及计算机视觉领域中的一个重要课题。与其他的生物特征识别技术相比，步态识别具有很多无法比拟的优点，如唯一性、非接触性以及远距离性，可广泛应用于视频监控中。而在具体的监控场景中，步态识别算法大多受限于复杂的步行条件(如行走速度、视角等)改变带来的影响，在简单条件下的目标识别率较高，但当步行条件改变时，识别率大多会迅速下降，严重制约了步态识别的实用性。这些步行条件中，最大的难点之一就在于步行速度变化所带来的影响。由于监控场景中被识别对象的行走不可能按照统一的速度进行,速度变化问题是步态识别无法回避的问题。

目前对于多速度下步态识别问题的解决，大多是从寻找速度无关的步态特征以及速度归一化处理两方面出发，虽然涌现了很多有价值的工作，但这些方法还存在着以下问题：一、现有的很多寻找速度无关特征的方法对速度变化的鲁棒性不足，处理速度变化幅度大时性能会大大降低甚至失效。二，步行速度变化作为人体步态运动的内部因素，以处理外部改变因素的常用归一化手段，未必能起到很大的改进作用。事实上，由于人体步态运动本质上是由复杂非线性动力学系统产生的时变动态模式，若能基于人体浅层轮廓形状信息对内在的非线性步态系统动力学信息实现准确建模、辨识，并将这种动力学建模结果作为速度鲁棒特征进行提取，显然会对速度无关的步态识别的实现产生很大的帮助。

发明内容

本发明的目的是克服现有技术存在的问题，提供一种更为简洁准确的，能够适应大幅度速度变化的基于非线性动力学指标的速度无关的步态识别方法。

本发明在常规人体行走轮廓图的基础上提取人体下肢轮廓平均宽度、平均周长及平均面积等三个轮廓参数。基于轮廓参数，构建径向基函数神经网络对不同速度下的步态动力学进行建模，得到三维可视的步态动力学信息；计算三种非线性动力学指标，利用不同速度下的步态模式之间在非线性动力学指标上的差异，实现速度无关的步态识别。

本发明的具体技术方案通过如下步骤实现：

步骤一、获取人体行走步态轮廓图；

对不同速度下的行走图像序列进行背景减除以及形态学处理，获得人体行走的二值步态轮廓图；

步骤二、提取步态轮廓参数；

根据人体轮廓的宽度随时间呈现周期性变化的特性，通过人体轮廓宽度值来检测步态周期；：将人体二值轮廓至上而下根据图像高度值等分为人体上肢区域和人体下肢区域，提取每一帧人体轮廓下肢区域的平均轮廓宽度值W_d、人体轮廓下肢区域整体轮廓周长值L_d及下肢区域整体轮廓面积值A_d，经过数据大小归一化后，构成步态参数变量x＝[W_d,L_d,A_d]；所述步态轮廓参数数据具有类周期性质；所述类周期性质是指步态轮廓参数数据随时间变化过程中，从任一时刻点出发，都能在一段有限的时间内回归到该数值的有限领域内，所述步态轮廓参数数据存在于人体步态运动中。

步骤三、非线性步态动力学建模；