[发明专利]一种步态轮廓提取方法

说明书

 

技术领域：

    本发明涉及步态轮廓提取技术领域，具体涉及一种步态轮廓提取方法。

背景技术：

计算机视觉是用各种成像系统代替视觉器官作为输入敏感手段，用计算机来代替大脑完成处理和解释；计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。

步态特征识别与其它生物特征识别技术（如人脸、虹膜、指纹等）不同，步态是人的外在的、动态的表现，且和时空密切联系，同时，与基于静态特征的其它生物识别技术相比，步态识别具有非接触性、非侵入性和难隐藏性等显著的优势，这些优势使得它在智能监控领域具有很大的应用价值。

目前计算机速度以及存储容量在不断的提高，摄像设备在很多区域被安装使用，随着世界安全形势的日益严峻、社会安全意识的日益觉醒，步态识别的研究将会渗透人们日常生活的各个领域，而这种远距离身份识别可以与任何一种静态近距离身份识别技术相融合。

现有的步态轮廓提取方法限制了演化曲线分割的图像中同一灰度，并使不同的图像信息分别在不同的区域内，影响了步态轮廓提取的效果。

发明内容：

本发明的目的是提供一种步态轮廓提取方法，它对图像边界具有较好的局域化效果，将图像的边缘和区域信息相结合，提高了步态轮廓的清晰度和可辨别性。

为了解决背景技术所存在的问题，本发明是采用以下技术方案：它的提取方法为：将水平集函数在一个时空离散的网格中表示，先构造SDF函数，以此初始化归零，在求解偏微分方程的数值解，最后通过曲线的符号距离函数重新初始化，并判定数值是否稳定，如果是停止迭代，否则重复上述过程。

本发明的原理为：采用的是以CV模型为基础，将图像的边缘和区域信息相结合的一种新的变分水平集模型；对于外部能量项，在保留原有的CV模型能量项的基础上，加入了分割前后图像的梯度值，可以得到新的模型函数。

本发明对图像边界具有较好的局域化效果，将图像的边缘和区域信息相结合，提高了步态轮廓的清晰度和可辨别性。

具体实施方式：

    本具体实施方式采用以下技术方案：它的提取方法为：将水平集函数在一个时空离散的网格中表示，先构造SDF函数，以此初始化归零，在求解偏微分方程的数值解，最后通过曲线的符号距离函数重新初始化，并判定数值是否稳定，如果是停止迭代，否则重复上述过程。

本具体实施方式的原理为：采用的是以CV模型为基础，将图像的边缘和区域信息相结合的一种新的变分水平集模型；对于外部能量项，在保留原有的CV模型能量项的基础上，加入了分割前后图像的梯度值，可以得到新的模型函数。

本具体实施方式对图像边界具有较好的局域化效果，将图像的边缘和区域信息相结合，提高了步态轮廓的清晰度和可辨别性。