[发明专利]一种基于瞬时步态能量图的远距离身份识别方法

摘要

本发明公开了一种基于瞬时步态能量图的远距离身份识别方法，依次包括步态特征提取和识别、计算步态周期、计算瞬时步态能量图、计算对象的特征向量几个步骤。本发明比生物识别技术更加的简单，对低质量的侧面轮廓具有很好的适应性，对于预防犯罪有很好的帮助。

主权项

一种基于步态时相分解与瞬时步态能量图的远距离身份识别方法，其特征在于：包括以下步骤：（1）、步态特征提取和识别：将摄像机的位置固定,拍摄角度与被拍摄对象的行走方向垂直，从视频连续拍摄的一系列行走图像中提取出被拍摄对象标准侧面轮廓图像；在这一步分为三步：使用背景减除等方法提取出初步轮廓，再通过形态学算法降低噪声影响，最后将提取出的轮廓图像进行大小标准化；（2）、计算步态周期：对行走图像中的每一幅侧面轮廓图计算出摆动距离，即轮廓中所有点到轮廓质心的距离和；当迈步时摆动距离较大，两腿交叠时摆动距离较小，在一个系列的行走图像中，摆动距离呈现出近似周期性的性质；由于极大值通常比较明确，受噪声干扰较小，取奇数极大值点的平均时间差值作为步态周期；（3）、计算瞬时步态能量图：先按照（2）中得到的摆动距离极值点，将步态周期分解为步态时相，在生物学的步态时相划分中，双脚单独划分，对每一只脚，支撑相约占60%，摆动相约占40%，而一只脚的摆动相与另一只脚的支撑相是重合的，在行走图像的侧面图中可以认为双脚是对称的，不做区分，因此将步态周期分解为两个时相，即双支撑相与单支撑相，前者为双脚同时支撑，对应双脚支撑相的重叠部分，在一个步态周期中出现两次，约各占步态周期的10%，以摆动距离的极大值点为中心，对每个极大值取步态周期的10%作为双支撑相，其余为单支撑相，对每类时相，分别按以下步骤计算瞬时步态能量图：a. 时间间隔均匀地指定s个时刻为关键时刻, 将每个关键时刻的图像称为瞬时图；取所有步态数据中，该时相包含的最小帧数作为s，以得到尽可能多的瞬时图；b. 对同一被拍摄对象的同时相，每个关键时刻的瞬时图进行平均，得到一个步态周期内，各个时刻的平均瞬时图，作为计算瞬时步态能量图的基础；c. 在瞬时图基础上计算瞬时步态能量图；对每个时刻，该时刻的瞬时步态能量图，定义为该时刻的瞬时图，与其它时刻的瞬时图按与该时刻的时间间隔进行衰减后叠加的结果；在计算中需要一个衰减因子，根据实验确定，一般取0.8；（4）、通过瞬时步态能量图可以用不同方法提取特征向量，代表被拍摄对象的步态特性，根据特征向量对被拍摄对象做分类识别，标识其不同身份；在该方法中使用两种特征向量，一是瞬时步态能量图与轮廓图的差值，取s个时刻的最大差值，称为步态偏移图；对双支撑相与单支撑相分别得出一个步态偏移图，共有两个；二是步态能量图本身，即一个步态周期中的瞬时图平均值；得到特征向量后进行分类，由于步态识别研究的重点在特征提取与表达，一般在分类阶段只使用简单的最近邻分类法。