[发明专利]一种新的步态周期生成方法

说明书

技术领域

本发明涉及一种步态识别技术，特别涉及一种新的步态周期生成方法。

背景技术

步态识别是通过人走路的姿势实现对个体身份鉴别的一种生物特征识别技术。其基本过程是：先从原始步态视频中检测运动目标，然后计算生成步态周期，再对代表步态周期的数据进行特征提取，最后将特征进行分类识别。其中，步态周期生成这一环节非常重要，直接关系到所取得的步态周期数据是否准确，是否具有代表性。生成准确有效的步态周期对后续的特征提取与分类识别有着重要的意义。

一帧原始步态图像无法包含足够的步态信息，一段包含若干个步态周期的完整步态序列虽然几乎包括了全部的步态信息，但若取整段步态序列进行计算则会由于大量冗余信息的存在造成时间开销增大。因此步态识别普遍采用一个步态周期进行分析。显然，生成准确的步态周期表达对步态特征提取与分类识别有着重要的意义。

目前，国内外研究学者在步态周期生成方法上做了大量的研究。BenAbdelkader等人于2002年在IEEE International Conference on Automatic Face and Gesture Recognition上发表论文“Stride and Cadence as a Biometric in Automatic Person Identification and Verification”，提出利用人体轮廓的边界矩形框宽度变化来检测步态周期。该方法的主要缺点是所采用的边界矩形框的宽度并不总是与步伐的宽度一致，导致边界宽度的周期性变化与步伐的周期性变化有时存在一定的偏差。Sarkar等人在IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE发表论文“The HumanID Gait Challenge Problem:Data Sets,Performance,and Analysis”，利用人体行走过程中双下肢面积变化规律来检测步态周期；王科俊等人于2009年在中国图象图形学报发表的论文“基于步态能量图像和2维主成分分析的步态识别方法”中使用边界宽高比的变化来检测步态周期。

上述方法的共同之处在于使用一个步态周期的所有帧作为最终的步态周期表达。然而现实中受光照变化、物体干扰、背景复杂性等因素影响，通常的运动检测方法难以保证检测出的运动目标在每个步态周期的所有帧均符合要求，即在任意步态周期都有可能出现不够理想的帧(如残缺等)。此外，人在走路过程中随时可能会暂时停顿或者放慢速度等，导致步态序列中包含大量的重复帧。若使用这些残缺帧或重复帧作为周期表达，将使样本集不能完全真实反映样本属性，影响识别效果。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种新的步态周期生成方法，该步态周期生成方法能够剔除步态序列中的残缺帧和重复帧，利用图像质量好的帧生成一个步态周期，进而获取更精确的步态特征，有利于提升步态检测的结果。

本发明的目的通过下述技术方案实现：一种新的步态周期生成方法，通过在同一个步态序列的各个步态周期中选取图像质量最好的帧生成一个步态周期，所述的步态周期生成方法包括如下步骤：

步骤1：从待处理步态序列中检测出各个原始步态周期；

步骤2：设定最终周期表达中包含的帧数k，该帧数应小于步骤1所得各个原始步态周期中包含帧数的最小值；

步骤3：根据步骤2设定的帧数，等间隔地从每个原始步态周期中抽取出k帧作为此周期的代表帧；

步骤4：定义步态帧图像的质量评判标准，并对由步骤3获得的所有代表帧计算其质量系数；

步骤5：对于所有步态周期中相同位置上的代表帧，选取图像质量最好的帧作为该位置的最优帧，各个位置的最优帧构成最终的步态周期表达。

所述步骤1中可根据步伐宽度的周期性变化来检测各个原始步态周期，相邻两个步伐宽度极大值或极小值间所包含的帧为半个周期，连续两个半周期构成一个步态周期。

所述步骤2中设定的数值应比步骤1中计算的各个原始步态周期包含帧数的最小值要小，并且此数值须为4的整数倍。

所述步骤3中以四分之一步态周期作为基本单元，用步骤2中设定数值的四分之一等间隔划分每个基本单元，选取离等分点最近的帧作为所在基本单元在该位置上的代表帧，相邻四个基本单元的代表帧即构成一个完整步态周期的表达。