[发明专利]一种基于步态序列视频的人物轮廓特征提取方法

说明书

本发明公开一种基于步态序列视频的人物轮廓特征提取方法，该发明首先获取一个周期内的步态轮廓序列，在获取到的步态轮廓序列基础之上获取步态能量图，分别对步态能量图进行水平方向和垂直方向特征提取，得到人物轮廓共性特征；利用双流Inception网络进行特征学习，引入注意力机制来获取人物显著性特征，最后将两种特征聚合，获取人物轮廓特征表示。本发明通过对人物步态能量图进行水平方向和垂直方向的特征提取，有助于获取人物行走时的共性特征，通过引入注意力机制可得到人物显著性特征，最后将其聚合有助于获取人物的轮廓特征，得到每个人的个性特征表达，有效提升人物识别的准确性与可靠性。

技术领域

本发明涉及一种基于步态序列视频的人物轮廓特征提取方法，属于计算机视觉、图像处理、身份识别等交叉技术领域。

背景技术

随着深度学习的发展，视频人物身份识别逐渐成为计算机信息安全领域的研究热点，与面部、指纹以及虹膜等其他生物识别方式不同，人物轮廓因其可以从远距离识别，从远处轻松获取以及不需要用户的配合这些特性，受到国内外学者的重视。其在视频监控、犯罪检测以及访问控制等实际场景中具有广泛的应用，因此一个好的特征提取是实现身份识别的前提。

特征提取是指将视频中每帧图像上的点分为不同的子集，而目标特征提取则是指从所有不同的子集中选择一个最好的子集，其可以用来区别于其他对象。在计算机视觉领域中，一般提取的特征为图像特征，其包括颜色、纹理、形状以及空间关系等特征，颜色和纹理是人观察图像时最能直观感受到的特征，这两个特征一般用来表示图像中的外观性质；形状特征可以分为两种：轮廓特征以及区域特征，顾名思义，轮廓指目标对象的边界部分，而区域则指的是边界内的内容区域；空间关系是指图像中目标对象的相对空间位置和相对方向关系，在该条件下又可分为相对和绝对这两种。良好的特征可以准确的描述目标对象，并与其他对象有所区分，可以极大的提高模式识别的准确率。

目前，人物轮廓特征提取主要分为两个部分，第一个部分是从输入视频中提取一个周期内的步态轮廓序列，第二个部分则是从一个周期内的步态轮廓序列中提取人物轮廓特征。由于人物行走过程是一个周期性的过程，具有相似外观的步态序列帧会周期性地出现在人物行走过程中，针对输入一整个步态序列视频来提取特征过于冗余且不必要，因此前者将输入的一整个步态序列视频缩小至一个周期内可以减少计算量，后者可以提取出人物的个性特征，从而有利于人物的身份识别。

发明内容

技术问题：本发明的目的在于提供一种基于步态序列视频的人物轮廓特征提取方法，该方法提取出一个周期内的步态轮廓序列，并在此基础上提取视频中人物轮廓的个性特征，有助于对人物身份进行识别，提高身份识别的准确率。

技术方案：为了实现上述目的，本发明采用以下技术方案：

一种基于步态序列视频的人物轮廓特征提取方法，包括以下步骤：

步骤1)输入一个视频，所述视频为单人行走视频，逐帧提取视频中的单人轮廓图像；

步骤2)当每帧单人轮廓图像提取出来后，对单人步态周期进行提取，提取一个周期内的单人轮廓图像；

步骤3)对步骤2)获取到的一个周期内单人轮廓图像进行预处理操作，该操作包括水平对齐和尺寸归一化；

步骤4)计算步态能量图G(x，y)，公式如下：其中B_t(x，y)是预处理后的单人轮廓图像，M是一个完整人物轮廓图像周期中的总帧数，t指图像帧数即时间，x和y是步态轮廓序列中横纵坐标的值；

步骤5)利用sobel算子提取步骤4)所述步态能量图的水平特征z_h以及垂直特征z_v，并将这两个特征输入到Inception双流模型中，以获取人物轮廓的共性特征z_t；