[发明专利]一种基于多元回归的多视角步态分类方法

说明书

本发明公开了一种基于多元回归的多视角步态分类方法，包括如下步骤：步骤一、从待分类步态数据集中提取人体轮廓，构造内点表示和边界表示的两种人体区域图像，并进一步生成轮毂能量图；步骤二、基于上一步的轮毂能量图，计算每一个步态图像序列对应的多周期混合步态能量矩阵作为步态特征；步骤三、将多视角步态分类转化为一个多元回归问题，并构造卷积神经网络进行求解。本发明的基于多元回归的多视角步态分类方法使用了多周期混合步态能量矩阵作为步态特征，无需精确的步态周期分割，减低了对步态周期分割的依赖性。同时，本发明将多视角步态分类问题转化为多元回归问题，通过卷积神经网络进行求解，提高了步态分类正确率。

技术领域

本发明属于模式识别中的生物特征处理技术领域，具体是一种基于多元回归的多视角步态分类方法。

背景技术

步态分类是远距离检测条件下最具潜力的生物特征处理技术之一，它能够在服饰和视角等因素变化的条件下根据人走路的姿态来实现身份识别和下肢健康状态监测。步态分类的基本步骤是：首先，通过运动目标检测从待分类步态数据集中将步态图像分离出来。其次，进行步态周期的检测，分割出一系列的周期性步态图像序列，并从中提取步态特征。步态特征的选取和精确提取是步态分类中最重要的环节之一，将直接影响后续的分类正确率。最后，设计适当的分类器进行步态分类。现有步态分类算法在提取步态特征时，需要先进行步态周期分割，对时间和步速等因素具有严重的依赖性，限制了步态分类的应用和推广。

相比于人脸、指纹和虹膜等生物特征的处理技术，由于步态处理的发展时间相对较短，目前的步态分类与识别技术仍处于研究的阶段，缺少系统的方法和理论。

发明内容

为了解决现有步态分类技术中存在的上述问题，本发明提供了一种基于多元回归的多视角步态分类方法，包括如下三个步骤：

步骤1.从待分类步态数据集中提取人体轮廓，构造内点表示和边界表示的两种人体区域图像，并进一步生成轮毂能量图；

首先，通过运动目标检测，得到内点表示的人体区域：

I(X,Y)的值表示坐标为(X,Y)的像素点是否属于人体区域的内点，即在图像中是否落在人体区域内；

其次，根据内点表示的人体区域，计算当前人体区域的重心坐标：

此处的N_P表示图像中人体区域的像素个数：

再次，进一步进行边缘提取，得到边界表示的人体区域：

E(X,Y)的值表示坐标为(X,Y)的像素点是否属于人体区域的边界点，即在图像中是否落在区域边缘线上；

最后，根据边界表示的人体区域(公式4)和重心坐标(公式2)，连接每个边界点与重心，建立表征人体轮廓偏离中心点等特征的轮毂能量图，如下所示：

L(X,Y)的值表示坐标为(X,Y)的像素点是否位于轮毂上，即是否落在人体轮廓线上的点与重心连线上。

步骤2.基于上一步的轮毂能量图，计算每一个步态图像序列对应的多周期混合步态能量矩阵作为步态特征；

给定一个包含N_F帧图像的步态图像序列，每一帧图像的宽度为W，高度为H，则对应的多周期混合步态能量矩阵M_H,W定义如下：