[发明专利]基于频域分析的步态特征表示及识别方法

摘要

基于频域分析的步态特征表示及识别方法，对采样的步态序列预处理，基于采样的步态序列训练得到特征频率并构建步态特征库，以此对给定的未知步态序列进行识别。本发明将一个步态序列视作一个整体，通过分析其轮廓-质心距离信号变化的频率特点来提取特征，一方面凸显了步态序列的整体性，另一方面，也充分利用了人的行走行为具有一定周期性的特点。本发明提高了步态识别的正确识别率，能达到较小的计算开销。通过将视频摄像头获取并进过预处理得到的人行走的侧视图做为本发明的步态识别方法的输入，借助于预先建立的步态特征库，就能够较为精确地进行识别。

主权项

基于频域分析的步态特征表示及识别方法，其特征是获取步态的二值化侧面视图数据序列，然后进行以下步骤：1)二值化侧面视图序列预处理：11)步态周期检测，由分析二值化侧面视图中运动前景像素个数的方式确定步态周期，人的一个完整步态周期含有五个关键姿势，依次为左右脚并拢、左脚前迈并落地、左右脚并拢、右脚前迈并落地、左右脚并拢，它们分别依次对应运动前景像素个数的局部最小值、局部最大值、局部最小值、局部最大值、局部最小值，对二值化侧面视图序列的一个子序列，若其包含且只包含一组五个关键姿势，则认为该子序列是该步态的一个周期；12)对步态周期中的每幅步态侧视图采用数字图像处理中的形态学操作减少图像噪音的干扰，形态学操作包括腐蚀和膨胀；13)对每幅侧视图，由边界提取算法确定其轮廓图；14)对每幅轮廓图，进行轮廓解卷绕和距离归一化，计算轮廓图质心，在轮廓上等间隔地取尽量多的取样点，并满足不同轮廓图取样点的个数相同，分别计算它们到质心的距离，将所得结果保存在一个向量中，对得到的向量进行归一化，即用该向量中的最大元素的值除向量中的每个元素，以各个轮廓图对应的归一化向量为行向量，由步态的一个周期的轮廓图得到该步态的步态矩阵；15)对按照步骤14)处理得到的步态矩阵，进行二维傅立叶变换，对经傅立叶变换得到的二维矩阵，以矩阵中心所处的行开始向上下两侧消去若干行，以矩阵中心所处的列开始向左右两侧消去若干列，从而消除高频噪声，所得结果称作步态频域矩阵，保证所有的步态序列最终得到的步态频域矩阵有相同的维数；2)采集多个人的不同步态序列进行步骤1)的处理，每个步态序列得到一个对应的步态频域矩阵，所述步态频域矩阵维数相同，基于这些矩阵进行训练，确定特征频率，建立步态特征库：21)对步态频域矩阵的每个频率，分别计算其分类效能CDA；22)按CDA值的大小由大到小对频率排序，取靠前的若干频率作为特征频率；23)对每个步态序列，分别取出其步态频域矩阵在特征频率上的取值，所得为一向量，即该步态序列的特征向量，各步态序列的特征向量组成步态特征库；3)对给定的未知步态序列进行识别分类：31)按步骤1)处理待识别的步态的二值化侧面视图序列； 32)取步骤31)所得频域矩阵在其特征频率上的取值，作为该待测步态的特征向量；33)按带权值的归一化欧式距离，分别计算待测步态序列的特征向量和步态特征库中所有步态特征向量的距离，将最小距离对应的特征库中的步态特征的所属类标赋给待测步态序列，做为对其识别的结果。