[发明专利]基于区域特征分析的步态周期检测方法

说明书

(一)技术领域

本发明涉及的是一种模式识别技术，具体地说是一种步态识别中的步态周期检测方法。

(二)背景技术

步态识别的目的是根据人们走路的姿势进行身份识别。步态识别可以在不让研究对象觉察的情况下得到该步态特征，具有非侵犯性、非接触性、对系统分辨率要求不高、远距离、难以伪装，受环境影响小等优点。因此，从视频监控的观点来看，步态是远距离情况下最有潜力的生物特征。步态识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值，因此激发了国内外广大科研工作者的研究热情。

步态序列图像是周期性的时空联合信号，如果研究整段视频来识别个体，不但造成数据量大的缺点，而且信息上还存在冗余。因此需要运用周期分析的方法来确定起始帧和结束帧，进而确定一个步态周期，从而在一个周期内提取特征，达到最终识别的目的。国内、外很多研究者在步态周期检测上做了研究，BenAbdelkader等人通过计算人体轮廓的自相似性来确定步态周期；BenAbdelkader等人还根据边界矩形框的宽度分析步态的周期性；Collins等人分析了人体高度和宽度的周期性变化，进而观测步态周期；Kale等人通过观察人体宽度向量的范数随时间的变化来分析步态的周期特性；Boulgouris等人用前景像素之和的自相关性判断步态的周期；Sarkar等人采用人体区域下半部分像素点的多少的周期特性确定步态的周期性变化；Li等人将步态排成自相似图(SSP)，然后采用线性局部嵌入(LLE)的非线性降维方法提取一维的保留了原始几何形状的特征来分析步态的周期性；陈实等人以步态序列中所有行人轮廓区域外接矩形框作为图像区域，在图像区域自底而上的1/4高度内，等量水平分割三个区域，计算各区累计轮廓点数，得到相应的点分布直方图特征检测出步态周期；这些方法普遍存在计算量大的缺点。由于步态周期分割的准确程度严重影响了步态识别问题的精度，现有大多数文献都是在假定步态周期分割很好的情况下提出的步态识别算法。

与本发明相关的公开报道包括：

[1]BenAbdelkader C，Culter R，Davis L.Motion based recognition of people in eigengaitspace[C]In：proceedings of the IEEE International Conference on Automatic Face and GestureRecognition.Washington DC，USA，2002：254-259P；

[2]Boulgouris N V，Plataniotis K N，Hatzinakos D.Gait recognition using dynamic timewarping[C].2004 IEEE 6th Workshop on Multimedia Signal Processing，2004：263-266；

[3]Li Hong-gui，Shi Cui-ping，Li Xing-guo.LLE based gait recognition[C].In：Proceedings of2005 International Conference on Machine Learning and Cybernetics，2005，7：4516-4521；

[4]陈实，马天骏，黄万红，等.用于步态识别的多层窗口图像矩.电子与信息学报，2009，31(1)：116-119。

(三)发明内容

本发明的目的在于提供一种能够有效提高步态周期检测速度和精度，从而为实时的步态识别提供可能的基于区域特征分析的步态周期检测方法。

本发明的目的是这样实现的：

包括行人目标轮廓的获取和步态周期检测；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；所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题，即根据每帧中图形区域的特征变化情况来分析步态的周期，从第一次出现局部极值到第三次再出现局部极值即为一个步态周期。

本发明还可以包括：

1、所述的图形区域特征是每帧中图形区域的面积、质心、拟合椭圆或圆、特殊点、边界框特征中的一种。