[发明专利]基于步态轨迹曲线特征的人体身份识别

摘要

本发明公开了一种基于步态轨迹曲线特征的人体身份识别方法。根据步态加速度数据在时域的曲线图，将步态身份识别问题转换为轨迹曲线形状的匹配问题。从图像学角度出发，论文利用傅里叶描述子来描述步态曲线的较粗轮廓的全局轨迹曲线特征，并提出方向角描述子的概念来进一步刻画步态曲线细致的局部轨迹曲线特征，最后将二者结合完成步态轨迹曲线的匹配。结果表明，论文所提出的步态轨迹曲线特征能够很好的用于身份识别。

主权项

1.一种基于步态轨迹曲线特征的人体身份识别方法，其特征在于，包括较粗轮廓的全局轨迹曲线特征提取步骤和较细致的局部轨迹曲线特征提取步骤；较粗轮廓的全局轨迹曲线特征提取步骤包括：(1)数据获取：利用智能手机内置加速度传感器采集步态加速度数据，采样频率为100Hz；(2)数据预处理：对原始步态数据进行预处理的主要目的就是为了减少噪声干扰，其中噪声主要来源于一些不可避免的因素，例如因呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声、重力加速度的干扰等各种各样的干扰因素，通常常见的预处理技术主要有：有效步态数据截取、滤波去噪、归一化等；(3)标准步态曲线获取：已知步态数据是时变的周期信号，为减少计算量，只考虑步态的单个标准周期，利用单个标准周期特征来表征整个步态特征；(4)步态曲线的闭合化：步态时序曲线是一条未封闭的曲线，而傅里叶描述符不能对非闭合曲线轮廓特征进行描述，因此对步态数据首尾点做连线并以此连线为轴进行镜像处理，构成封闭的曲线；(5)粗轮廓的轨迹曲线特征提取：傅里叶描述子是一种基于频域变换的形状表示算法，对于轨迹曲线特征有很强的描述和识别的能力，变换后的步态轨迹曲线的全局特征大都集中在低频部分，而高频部分体现步态轨迹曲线的细节特征，因此选取前15个低频傅里叶系数作为总体轨迹形状特征：其中xi,yi为任意一点i的横纵坐标，Si(0≤i≤N‑1)为曲线上任意一点到起始点的曲线长，傅里叶级数的各项系数Cn为复数，模向量C＝(||c1||,||c2||,...,||ck||)，对C进行归一化处理，得到傅里叶形状描述子d(i)：(6)细致的局部曲线轨迹特征提取：傅里叶描述子倾向于表现全局特征，在局部特征表征上有欠缺，提出了方向角描述子描述局部方向变化的特征，同时具备旋转不变性原则，首先计算步态曲线轨迹上所有点方向角序列，得到所有角度点切线以及方向角序列的质心，利用角度点切线与质心的夹角描述曲线轨迹的变化；公式(3)、(4)可以分别得到曲线轨迹的所有方向角序列和其质心，公式(5)、(6)分别表示任意点到质心的距离；公式(6)表示归一化后的各点最终方向角，α表示r与坐标轴之间的夹角；选取前K个最大值来表征该曲线的局部方向变化特征，用AD来表示；(7)轨迹曲线特征：将提取的曲线粗轮廓特征和局部角度特征组合成轨迹曲线特征：其中，N表示第N个周期，FD表示傅里叶描述子的形状特征,AD表示角度变化特征。