[发明专利]基于分块矩阵的步态识别方法

权利要求书

1.一种基于分块矩阵的步态识别方法，包括行人目标轮廓的获取、步态的周期检测、特征提取和身份识别步骤；

所述的行人目标轮廓的获取的方法为：首先从视频中提取单帧图像进行灰度变换，然后计算各像素点在逐帧中的中值，作为整个序列的背景图像，最后采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64*64像素；

所述的步态的周期检测是根据步态视频序列中每帧图像标准中心化后图形区域拟合的椭圆短轴和离心率的变化情况来观测步态的周期，即使拟合的椭圆与图形区域具有相同的标准二阶中心矩；

所述的特征提取采用步态能量图提取步态的整体特征，采用分块矩阵的方式进一步局部特征提取；

所述的身份识别是将每个有效子块的特征合为整体，采用最近邻分类器进行身份判别；

其特征是：采用步态能量图提取步态的整体特征，采用分块矩阵的方式进一步局部特征提取的步骤包括：

(1)在进行步态的周期检测之后，通过对一个周期内的步态序列图像处理生成周期步态图，周期步态图为：

G(x,y)=1NΣ=t1NBt(x,y)]]>

式中，N是完整步态周期序列的长度，t代表时间，x，y代表二维图像平面坐标，B_t(x，y)为二值步态周期图像序列；

(2)在提取到步态整体特征周期步态图之后，采用分块矩阵的方法进一步提取步态特征；将训练集的所有周期步态图进行无交叠的子块划分，首先检测各个图像中是否存在灰度值没有差异的子块，如果存在，自适应地将这些对分类无用的子块去掉；再将各个有效子块图像看作训练样本的图像，然后采用子块模式的二维主成分分析和子块模式的二维线性判别分析方法提取特征。

2.根据权利要求1所述的基于分块矩阵的步态识别方法，其特征是：基于分块矩阵的特征提取时，对于测试携带背包时的步态，将步态能量图中含有背包的子块去除作为训练样本的图像。