[发明专利]一种基于感知压缩的步态识别方法

说明书

本发明公开了一种基于感知压缩的步态识别方法，包括：采集行人的步态图像后进行预处理，得到步态能量图；对步态能量图进行感知压缩，在测量矩阵上进行随机投影，得到降维后的步态能量图；将降维后的步态能量图作为步态识别网络的输入，所述步态识别网络包括输入层、隐含层与输出层，所述隐含层为感知机单元，在标签的监督下，对步态识别网络进行训练，得到训练完成后对应的步态识别模型；将待测行人的步态图像经过预处理和感知压缩后，作为步态识别模型的输入，输出行人身份的预测概率。在该方法中，步态能量图经感知压缩后的区分度不变，在保留了可供分类信息的同时降低了数据维度，在感知机模型中的效率大大高于普通卷积神经网络。

技术领域

本发明属于图像处理与分类的技术领域，特别涉及一种基于感知压缩的步态识别方法。

背景技术

通过物理特征识别人物身份的技术被称为生物识别技术。生物识别技术正在成为机器学习的一个重要领域，原因有许多，其中最重要的原因是当今社会活动对安全性的要求越来越高。某些生物识别系统，比如基于视网膜血管图案的生物识别系统，其效果非常准确。但一般来说，为了让这样的系统识别人们的身份，必须要求他们自愿加入模型训练数据库。然后，当此人尝试访问设施或进行某种操作时，系统会扫描此人的视网膜并将其与存储的数据进行匹配，以验证其身份。

但这样的系统无法识别没有加入训练数据库的人：即你可以判断他们不是谁，但不知道他们是谁。此外，受试者通常必须与这些系统密切互动，以便他们提取信息(例如，走到视网膜扫描仪并按下一些按钮)。显然，有恶意的人会避免这种情况。因此，针对罪犯或可疑人物，这些系统将无济于事。

步态识别(Gait Recognition)即根据摄像头拍摄的一段行人走路的视频，判断这个人的身份。步态识别的主要优势在于它是非接触式的，不需要对象主动配合。使用摄像机即可分析受试者各个身体部位如膝盖、脚、肩膀的运动。但这样的图像识别系统在数据量庞大的情况下，往往需要耗费巨大的计算资源和时间成本，特别是针对上述有关罪犯的场景，它无法做出实时的反应。而且在每一个系统所覆盖的地区中，往往会出现许多数据库中没有的人物信息，而现有的体态识别系统无法快速对数据库的更新做出调整。

发明内容

本发明的目的在于提供一种感知压缩的步态识别方法，步态能量图经感知压缩后的区分度不变，在保留了可供分类信息的同时降低了数据维度，在感知机模型中的效率大大高于普通卷积神经网络。

本发明提供如下技术方案：

一种基于感知压缩的步态识别方法，包括以下步骤：

(1)采集行人的步态图像后进行预处理，所述预处理包括将行人的步态图像转变为步态剪影图、将一个步态周期内的步态剪影图叠加得步态能量图；

(2)对步态能量图进行感知压缩，在测量矩阵上进行随机投影，得到降维后的步态能量图；

(3)将降维后的步态能量图作为步态识别网络的输入，所述步态识别网络包括输入层、隐含层与输出层，所述隐含层为感知机单元，在标签的监督下，对步态识别网络进行训练，得到训练完成后对应的步态识别模型；

(4)将待测行人的步态图像经过预处理和感知压缩后，作为步态识别模型的输入，输出行人身份的预测概率。

在步骤(1)中，所述将行人的步态图像转变为步态剪影图的方法包括：将行人的步态图像转变为灰度图，对齐后剪裁至同一大小，得到步态剪影图。

采集的步态图像涵盖行人的全身，并记录下行人行走的一整段连续的步态图片。

在步骤(1)中，通过步态剪影图和步态周期得到步态能量图，所述步态周期根据步态剪影的宽、高之比计算，所述步态能量图为:

其中，S_q,t(x,y)表示在第q个步态序列中，时刻t的步态剪影图中坐标为(x,y)的像素值。