[发明专利]基于人体轮廓的人物识别方法

说明书

技术领域

本发明涉及一种基于人体轮廓的人物识别方法，具体涉及一种从单个固定摄像机提取人体轮廓信息，并据此特征信息将人物分辨出来的方法。可广泛应用于非接触式远距离的身份识别，智能监控，辅助破案等，属于模式识别中的人物识别领域。

背景技术

随着科学技术的飞速发展，利用摄像机来监控动态场景早已被广泛应用于社会各个领域，例如对安全性要求敏感的门禁系统、安全监控。由于广泛的应用前景和潜在的经济价值，人体运动的视频监控是近年来备受关注的前沿课题，而利用生物识别技术辅助人体运动分析更是发展的趋势。在目前的远距离身份识别视频监控系统中步态被认为是最具潜力的生物特征，脸像、指纹、虹膜等第一代生物特征，通常要求近距离地或者接触性地感知，如指纹需要接触指纹扫描仪、脸像需要近距离捕捉以满足分辨率等。而步态在此方面却突出了它的优越性，尤其是在远距离的情况下，人的步态易于感知、非侵犯性、非接触性、难于隐藏和伪装的优点已经使其成为一个独具特色的生物行为。步态识别是根据人物走路的姿势进行人的身份识别，以提取的人体轮廓图像为基础，旨在不考虑衣服、背景等因素。由于光线、环境等因素，视频中检测到的人体轮廓总是受到大量噪声的影响，因此如何在减少噪声的影响同时又能尽可能的将人体轮廓信息凸现出来成为工程、实际中亟待解决的问题。

经过对现有技术文献的查找发现，目前基于步态的人物识别方法主要分为两类：一类是基于模型的方法，Lee等人于2002年发表在Proceedings of the Fifth IEEEInternational Conference on Automatic Face Gesture Recognition上的论文Gait analysisfor recognition and classification(基于步态分析的识别和分类)提出用7个椭圆来建模人体的各个部分，提取椭圆参数(长短轴之比、质心坐标、主轴夹角)以及人体结构参数(质心坐标)共29个参数作为步态识别的特征。该方法对人自身的遮挡鲁棒性非常差，而且运算量大，因此不适合于工程应用。另外一类是非模型的方法，Ju Han等人于2006年发表在IEEE Transactions On Pattern Analysis And Machine Intelligence上的论文Individual Recognition Using Gait Energy Image(基于步态能量图的人物识别)向人们提出了一种新的表示人体轮廓信息的非模型的方法：将一个步态周期内得到的二值化人体轮廓图像相加在一起，得到一幅反映人体运动姿态分布的步态能量图。该方法的优点是易于获得，抗噪能力强，然而步态能量图直接用于匹配有个很大的缺陷：模糊了人体轮廓的特征，因此该方法的准确性不高，限制了其实际应用。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于人体轮廓的人物识别方法，能在光照变化、检测噪声等实际工程应用的复杂环境下，将人体轮廓特征信息凸现出来。

为实现上述目的，本发明首先提取目标人物视频中的人体轮廓图像，根据人体轮廓的宽度变化划分步态周期，保持高宽比不变将人体轮廓图像缩放到同一大小；然后将每个步态周期内得到的所有人体轮廓图像的灰度值相加再除以人体轮廓图像的个数，得到与该步态周期对应的步态能量图；再计算步态能量图的梯度直方图；最后对训练用的步态能量图的梯度直方图进行主元分析，得到转换矩阵，利用转换矩阵分别对训练用的和待识别的步态能量图的梯度直方图进行降维，得到训练好的步态数据和待识别的步态数据，对两种数据进行最近邻匹配，完成人体轮廓的人物识别。

本发明的方法通过以下具体步骤实现：

1)首先把目标人物的视频读入计算机，再对视频进行背景建模与背景实时更新，采用当前帧与背景帧相减的方法得到目标人物的人体轮廓前景图像；调用OpenCV中的功能函数，将人体轮廓前景图像中存在的空洞和零散白点去除；

2)从人体轮廓前景图像中提取人体轮廓的特征，将每个人体轮廓最左面的点与最右面的点的距离作为该人体轮廓的宽度，最上面的点与最下面的点的距离作为该人体轮廓的高度；选择人体轮廓水平方向的变化作为划分步态周期的标志；按人体轮廓的宽度和高度将人体轮廓图像扣出；保持高宽比不变，将所有人体轮廓图像缩放到同一大小；

3)分别将每个步态周期内得到的所有人体轮廓图像的灰度值相加再除以人体轮廓图像的个数，得到与该步态周期对应的步态能量图；