[发明专利]一种视频监控系统及其实时步态识别方法

权利要求书

1.一种视频监控系统的实时步态识别方法，其特征在于，包括如下步骤，

步骤1，视频图像预处理；

步骤1.1，将处理样本中通过采集获得有用户出现的视频图像序列，对视频图像序列采用背景减除法得到人体前景图像，经过二值化和轮廓化处理后得到人体二值化轮廓图像；

步骤1.2，计算视频图像序列中各图像的人体最小外接矩形，并按照最小外接矩形对各图像进行裁剪，得到系列图像帧；

步骤1.3，在保持宽高比不变的情况下，按照系列图像帧的图像高度最大值进行各图像的缩放；

步骤1.4根据系列图像帧的宽高比变化，求出人体宽高比随时间变化的曲线，并选取连续三个波谷的时间间隔内所对应的所有图像，以此作为一个步态周期的图像序列；

步骤2，步态特征的提取；

在预处理后的一个步态周期图像序列基础上提取包括人体质心高度变化、人体行走时步幅变化和人体骨盆关节点到下肢各轮廓点角度距离变化的三种步态特征；

步骤3，步态特征的相似性度量和分类识别；

通过步骤1和2分别提取待测样本和数据库中参考样本的步态特征，使用欧式距离计算待测样本与参考样本之间的失真度；采用DTW算法计算二者之间的最小失真度累积和；由于失真度越小，相似性越大，继而采用最近邻分类器NN进行步态识别，当识别用户身份合法时，反馈提示信息；当识别用户身份不合法时，反馈报警信号，实现待测样本中用户身份的识别；

步骤2中提取步态特征包括如下步骤；

步骤2.1，提取各帧图像的质心，并以质心的高度，即质心横坐标绝对值作为单帧图像的第一个特征向量，记作F_a；

步骤2.2，除双脚并拢情况以外，定义第m帧图像的步幅w_m为该帧图像的宽度，以此作为单帧图像的第二个特征向量，记作F_b；

步骤2.3，提取下肢角度距离特征作为单帧图像的第三个特征向量；

步骤2.4，将计算得到的三种步态特征组合在一起，形成单帧图像的一维特征向量，记为F＝[F_a,F_b,F_c]；

步骤2.5，使用一个步态周期内所有图像帧的特征参数集表示该周期内图像序列的步态特征，记为：

Z(e)＝[F_e(1),F_e(2),F_e(3),…,F_e(k),…,F_e(f)]；

其中，Z(e)表示第e号运动目标周期内的整体步态特征，F_e(k)是e号运动目标第k帧图像的步态特征向量，f表示周期内图像帧数总额；

步骤2.3中，提取下肢角度距离特征作为单帧图像的第三个特征向量，具体地包括以下步骤：

步骤2.3.1，求骨盆关节点坐标；

根据人体解剖学理论中的各关节点与人体的比例关系，先求出单帧图像的骨盆关节点坐标P(x_p,y_p)的横坐标值x_p，计算公式如下：

x_p＝(1-0.53)×hei；

其中，hei为该帧图像最小外接矩形的高度；

然后根据计算得到的x_p，对存储人体轮廓像素的矩阵进行扫描，找出横坐标值等于x_p的像素点坐标，记录距离骨盆关节点P最近的两个像素点，其中横坐标值较小的像素点记为P_l(x_l,y_l)，横坐标值较大的像素点记为P_r(x_r,yr)，计算骨盆关节点的纵坐标为：

y_p＝y_l+(y_r-y_l)/2；

步骤2.3.2，求下肢轮廓点到骨盆关节点方向与y轴的夹角；

首先，对提取的人体轮廓像素点进行逐个扫描，记录横坐标值大于等于x_p的像素点，记录的像素点坐标即为下肢轮廓点的所有像素坐标，记为D_i(x_i,y_i)；

其次，由P_l(x_l,y_l)和骨盆关节点P(x_p,y_p)构造基准向量M_p，将下肢轮廓的每个像素点D_i(x_i,y_i)与骨盆关节点P(x_p,y_p)构造向量N_p；计算N_p沿逆时针方向与M_p的夹角，并记为该像素点的角度α，计算公式如下：

步骤2.3.3，计算下肢轮廓点到骨盆关节点的距离；

从下肢轮廓像素点P_l(x_l,y_l)开始，到下肢轮廓像素点P_r(x_r,y_r)为止，选取n个等间距间隔，每个间隔为(180/n)°；根据像素点角度α的计算公式，再计算出第i个间隔在下肢轮廓的起止像素点坐标，并以此为依据，求出第i个间隔内所有像素点坐标到骨盆关节点的距离lin_j；

步骤2.3.4，计算第i个间隔内各下肢轮廓点到骨盆关节点的距离均值，公式如下：

其中，t表示各间隔内不同的像素个数；

步骤2.3.5，对于一个周期内的f帧图像，计算每相邻两帧图像在第i个间隔的角度距离均值变化率，公式如下：

步骤2.3.6，将相邻两帧图像各个间隔的角度距离均值变化率组合在一起，形成角度距离的一维特征向量，记作：

F_c＝[(Δlin₁)_k-1,k,(Δlin₂)_k-1,k,…,(Δlin_i)_k-1,k,…,(Δlin_n)_k-1,k]；

其中，k＝1,2,…,f；i＝1,2,…,n。