[发明专利]一种基于动态视觉传感器的步态识别方法

说明书

本发明涉及步态识别技术领域，公开了一种基于动态视觉传感器的步态识别方法。本发明创造提供了一种基于动态视觉传感器的时空模式分析方法，并通过基于Tempotron算法的脉冲神经网络模型，可实现对由动态视觉传感器录制的步态数据进行训练和识别，使最终得到的步态识别有极高的生物真实性，从而不但可以对多个对象进行步态识别，解决复杂背景中步态检测的高难度问题，还可以确保步态识别的高准确率。同时还提供了两种编码方式，可以在训练过程中能快速收敛且取得了较好的识别正确率，尤其是通过结合周期固定的移动窗口的数据段样本分割方式，可使步态识别的正确率达到85％以上，具有极高的实用价值，便于实际推广和应用。

技术领域

本发明涉及步态识别技术领域，具体地，涉及一种基于动态视觉传感器的步态识别方法。

背景技术

大量的监控摄像头已经被安装于银行、商场、机场、地铁站等大空间建筑类人群密集型场所，但人工的监控手段并不能完全满足当前的安全需要，因为这不仅耗费大量的人力和财力，而且监控人员的生理视觉疲劳使得安全预警的目的很难达到。因此，这些安全敏感的公众场合迫切需要一种智能化的预警手段。理想的智能监控系统应该能够自动分析摄像机采集到的图像数据，在恶性事件发生前进行预警，从而最大限度地减少人员伤害和经济损失。这就要求监控系统不仅能判断人的数量、位置和行为，还需要分析人的身份等信息。

步态，即人行走时的姿态，是一种可以从远距离获取的难以隐藏和伪装的生物特征，而且步态可以采取非接触的方式进行隐蔽采集。对于监控环境中的行人，步态特征是一种极具潜质的生物特征。在一定的距离下，当其他的生物特征，如面部、虹膜、指纹、掌纹等，由于分辨率过低或者故意被隐藏时，步态却可能发挥作用。

步态识别，也称为基于步态的身份识别，在计算机控制和生物识别技术方面，是一个相对较新的同时也备受瞩目的研究方向，它旨在基于人的独特行走模式来进行身份识别，即通过人们走路的方式来区分个人。

动态视觉传感器是一种新型的类视网膜的视觉传感器。在动态视觉传感器中，每个像素点通过产生异步的事件独立地对亮度变化进行响应和编码，其产生的事件流消除了传统摄像机输出的连续重复图像中的冗余，所以它的带宽远远低于标准视频的带宽；而且它具有极高的时间分辨率，可以捕获到超快速运动；另外，它具有非常高的动态范围，即在白天和黑夜都可以很好地工作。所以，动态视觉传感器适合被应用在监控系统中。

脉冲神经网络是第三代神经网络，由脉冲神经元模型为基本单元构成。通过使用特定时间的单个脉冲，将空间信息、时间信息、频率信息、相位信息等融入通信和计算中，具有更高的生物真实性。而动态视觉传感器的输出为事件流，这在一定程度上反映了动态视觉传感器和脉冲神经网络之间可能存在的关联性。

由于步态识别技术在目前还处于起步阶段，主要存在如下几个难点：(1)在传统的步态识别研究中，通过定义人类步态的运动学参数可以形成识别的基础，但是在步态数据的获取过程中存在明显的局限性，使得难以准确识别和记录影响步态的所有参数(即使测量某些步态参数的准确性有所改善，仍然不知道获取到的这些参数是否提供了足够的辨别力，能够满足步态识别的要求)；(2)传统摄像机捕获到的步态特征容易被影响或改变，即步态作为一个生物特征，容易被多种因素影响和改变，如服饰，鞋，步行面，步行速度、情绪状况、身体状况等，而真正有效的特征应该尽量和这些因素无关或者不受这些因素影响；(3)复杂背景中步态检测的难度大，当前大多数的步态识别算法对于数据采集环境的假设为，摄像机静止不动，视野中只有被观察者运动，背景通常静止且不复杂，而在实际应用中，背景通常是复杂的，且视野内的行人往往不止一个。

发明内容

针对前述现有步态识别技术所存在的难点问题，本发明提供了一种基于动态视觉传感器的步态识别方法。

本发明采用的技术方案,提供了一种基于动态视觉传感器的步态识别方法，包括如下：

(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练：