[发明专利]一种基于图的半监督耦合度量的多角度步态识别方法

摘要

本发明属于模式识别领域，具体涉及一种基于图的半监督耦合度量的多角度步态识别方法。本发明包括采用码本检测方法从视频流中得到目标轮廓序列；在一个周期中采用步态能量图提取步态的整体特征；构建多视角步态识别系统的离线训练阶段，训练得到基于图的半监督耦合投影矩阵对；对测试视频进行目标轮廓的提取，对大小归一化的轮廓序列检测步态周期，生成单周期的步态能量图特征，通过视角估计选取的基于图的半监督耦合投影矩阵对。本发明解决了传统步态识别方法需要存储所有视角下步态特征的高存储需求问题，对任意角度行走的步态的身份识别有效。

主权项

一种基于图的半监督耦合度量的多角度步态识别方法，其特征在于：(1)采用码本检测方法从视频流中得到目标轮廓序列，并使人体居中统一大小为64*64；(2)根据步态视频序列中每帧图像标准中心化后，人在行走中两腿分离的程度的周期性统计步态的周期，并在一个周期中采用步态能量图提取步态的整体特征；(3)构建多视角步态识别系统的离线训练阶段，训练得到基于图的半监督耦合投影矩阵对；对测试视频进行目标轮廓的提取，对大小归一化的轮廓序列检测步态周期，生成单周期的步态能量图特征，通过视角估计选取的基于图的半监督耦合投影矩阵对，投影到共同耦合步态特征空间中，并在共同耦合步态特征空间中采用最近邻分类器进行身份判别；所述步骤(2)根据步态视频流中每帧图像标准中心化后图形中，人在行走中两腿分离的程度的周期性统计步态的周期性变化情况，周期为：h1和h2分别为某帧图像中人的膝盖和脚踝的人体测量学高度，Ri和Li分别是第i行中属于前景的最左边和最右边的像素位置；特征提取采用步态能量图提取步态的整体特征：N为一个周期的步态序列的帧数,i代表时间，(x,y)代表二维图像平面坐标；所述步态能量图的标准视角选取90°视角，将其余视角的步态特征分别与标准视角步态特征进行联合训练；所述的得到基于图的半监督耦合投影矩阵对Px和Py的方法为：以90°标准视角下的步态特征与0°视角下的步态特征进行联合训练，将0°视角下的步态特征和90°视角下的步态特征分别投影到共同的耦合步态特征空间中：式中，X表示90°视角训练样本集合，Y表示0°视角训练样本集合，C为集合X和Y之间的相关关系矩阵，大小为Nx×Ny，Nx、Ny分别为X和Y集合样本数，矩阵C由近邻图得到，Cx和Cy为单个空间的类内关系对角矩阵，其对角线元素分别为矩阵C的对应行的累加和，及对应列的累加和；令最优解通过求解广义特征值Ep＝λFp的特征向量得到，其中E＝ZΩZT，F＝ZZT，p为对应于特征值λ的特征向量，P为对应Dc个最小特征值的特征向量，P＝[Px Py]T的定义，得到对应于数据集合X的变换矩阵Px，大小为Dx×Dc，对应于数据集合Y的变换矩阵Py，大小为Dy×Dc；所述的相关矩阵C为：式中，用Dijkstra最短路径算法来计算新的集合间距离矩阵式中，和Dij分别0°视角集合中两个样本的距离、90°视角集合中两个样本的距离、0°视角下和90°视角下同一个人的距离为0，Ξx、Ξy和Ξ分别表示X集合、Y集合和这两个集合间的邻域关系集合。