[发明专利]一种基于角度径向变换和质心的夜视视频步态识别方法

说明书

技术领域

本发明涉及一种基于角度径向变换和质心的夜视视频步态识别方法，该方法属于红外夜视视频图像处理技术领域，通过该方法可以实现夜间的行人监测。

背景技术

在过去几年中，红外成像技术得到了迅速的发展，红外视频图像的应用也越来越广泛。例如，夜间的视频监控，通过自动识别家人和闯入者来达到保护居民的生命财产安全。但是红外摄像机得到的是灰度图像，具有纹理细节少、信噪比低等特点。由于步态识别可根据人的整体特征，对视频质量要求不高。所以，步态识别在红外视频识别研究中非常活跃。

早期的医学研究表明，步态是人体的特有特征。人体的行走的过程中，步态是一个随时间变化的时空信号，具有周期性。所以，在研究步态运动时，只需要提取到一个周期的步态特征。通常情况下，认为一个步态周期是由两步组成的，它可以认为是从一条退向前跨出某一个(最远的)位置，到下一次这条腿跨到同样的位置。

人体步态由许多因素决定，包括体格、体重、鞋子高度、地面状态、衣着和精神状态等。但是由于人们经常改变衣着、行走速度，以及摄像机拍摄角度的差异，使得步态识别成为一个具有挑战性的课题，其目标是无论背景、光照、衣着、速度等如何变化，都能正确识别身份。

步态识别通常包括3个过程：步态运动检测、步态特征提取和特征识别。其中，步态特征提取是步态识别技术的关键，主要分为两类：一类是基于模型的方法，如Cunado等将大腿建模为钟摆，从其倾斜角度信号的频率分量获取步态特征；Yoo等根据解剖学的知识，构建2D人体杆状模型，将步态序列中的所有杆状模型连接起来构成步态模式。基于模型的方法通常要求获取到清晰的步态序列，并经过复杂的计算构建模型方可取得良好的识别性能，而且当身体出现自遮挡现象时识别率明显下降。第二类是基于非模型的方法，如Han等提出步态能量图(GEI)来反映侧影形状的变化，该算法对噪声更具鲁棒性，但是不足以反映连续帧之间的动态变化，丢失了一部分步态信息；王亮等提出一种基于轮廓的解卷绕步态识别算法，用轮廓组成点到人体质心之间的连线来表达步态特征，这种方法依赖于人体整体轮廓形状随时间的变化，在衣着或是摆臂姿态发生变化时，对识别率有一定的影响。陈欣等提出的基于质心的步态识别算法，将质心的波动作为步态特征，利用频谱分析质心运动轨迹识别个体，取得了较高的识别率且计算代价小，但是质心作为唯一特征容易受到噪声的干扰，且在样本数量增加的情况下容易出现质心波动的相似性，导致识别难度的增加。

发明内容

本发明要解决的技术问题是提供一种能够更为准确地表示红外条件下运动人体目标特征的方法，并以此为基础进行步态识别，以提高步态识别的正确率。

为了解决上述技术问题，本发明的技术方案是提供一种基于角度径向变换和质心的夜视视频步态识别方法，其特征在于，包括如下步骤：

步骤1：采集红外视频图像；

步骤2：从所采集的红外视频图像中提取人体步态轮廓，并对所提取的人体步态轮廓序列进行预处理；

步骤3：基于预处理后的人体步态轮廓序列构建人体的步态能量图；

步骤4：提取步态能量图的特征向量，将步态能量图的角度径向变换系数和质心向量作为特征向量；

步骤5：通过主成分分析方法降低特征向量的维数；

步骤6：把降维后的特征向量和样本训练集进行识别匹配，实现红外夜视图像的步态识别。

优选地，所述步骤1中，通过红外热像机采集红外视频图像。

优选地，所述步骤2中，提取步态轮廓所用的方法是背景减除法。

更优选地，所述背景减除法是采用当前帧图像与背景帧图像的差分来检测运动目标，通过减除掉背景对象不变因素来分离运动目标；具体计算公式如下：

其中，f(a，b)是人体轮廓图像；a(x，y)与b(x，y)分别是当前图像与背景图像在像素(x，y)处的灰度值；0≤f(a，b)＜1，0≤a(x，y)，b(x，y)＜255；

利用下式求出间接背景减除后的二值化图像；

其中，D_xy是间接背景减除后的二值化图像；T为阈值。

优选地，所述步骤2中，预处理包括大小标准化和水平对齐；大小标准化是按比例调整每个轮廓图像的大小，使得所有轮廓具有相同的高度；水平对齐是相对于其水平中心定位上半轮廓部分实现。

优选地，所述步骤3中，步态能量图的定义如下：