[发明专利]基于多非线性局部保持投影的两视角步态识别方法

说明书

本发明涉及多视角步态识别技术领域，特别是一种基于多非线性局部保持投影的两视角步态识别方法。该方法包括以下步骤：读取两个不同视角的步态数据并刻画样本的原始关系、构造非线性函数族以规范化不同视角的步态样本、基于局部保持原则对规范化样本进行投影以提取判别特征、对照投影后的已知样本库和待测步态样本，按照最近邻原则识别来自不同视角的步态。经本方法投影后的样本能有效保持原始非线性结构，减小视角因素的干扰，具有个体间差异大而视角间差异小的特点。在多视角步态库CASIA(B)上进行实验，实验结果表明本方法优于其它多视角识别方法。

技术领域

本发明涉及多视角步态图像分析技术领域，特别是一种基于多非线性局部保持投影的两视角步态识别方法。

背景技术

随着人工智能技术的发展，利用计算机技术进行生物特征身份认证已成为现实。与其他生物特征识别技术相比，步态识别是唯一能远距离识别的技术，具有非侵犯性、非接触性、易于感知、难以伪装等良好特性。现已在安全监控、门禁系统、医疗诊断、人机交互等领域得到了成功应用。

步态识别技术的现有应用都局限在具备多摄像机系统的特定环境。这是因为自然环境下的步态图像易受到多种因素干扰，如摄像机视角的变化、着装的变化、携带物品的情况等。其中视角变化的影响最为显著，同一个体在不同视角的步态样本特征差异显著，严重影响识别正确率。为了克服对复杂多摄像机系统的依赖，针对视角变化的步态识别方法已成为研究热点。通常将已知步态和待测步态来自两个不同视角的识别问题称为两视角步态识别问题。

两视角步态识别的现有研究中，一种方法是寻找不同视角下步态运动信息的相关性关系，通过回归模型将两视角下步态的相关性信息从一个视角映射到另外一个视角。但这种方法易受遮挡和阴影等变化因素的影响，识别结果不稳定。另外，在步态视角变化较大时，待测样本步态特征与已知样本步态特征之间相关性信息较小，从而导致待测样本不能准确重建，严重影响了识别准确率。另一种方法是假设不同视角的步态样本分属不同子空间，通过学习投影矩阵将不同视角的步态样本投影到公共子空间，在公共子空间中完成识别。这种基于子空间投影的方法具有较好的识别效率且无视角限制，是近年来的研究热点。

采用现有的子空间投影方法对不同视角的步态图像进行识别存在如下不足：现有子空间投影方法多面向单子空间数据，不能直接应用于来自不同视角子空间中的步态数据；现有的两视角子空间投影方法通常直接对原始样本学习投影矩阵，使投影后的样本难以保持原始非线性结构，影响了识别准确率；现有的两视角子空间投影方法多为有监督方法，依赖类别标签信息联系不同视角间的样本，而在实际应用中，类标签的获得通常需要消耗大量的人力物力。

因此，本方法针对上述不足，提出一种基于多非线性局部保持投影的两视角步态识别方法。先通过每个视角下样本的近邻关系，刻画不同视角间样本的相似关系，克服对标签信息的依赖；再构造非线性投影函数族以规范化不同视角的步态样本，在规范化表示中保持了多种原始非线性结构；接着基于局部保持原则学习投影矩阵，使投影后的样本表示保持原始的相似关系，保留更多判别信息；最后，比较投影后的待测样本与已知样本的距离，按照最近邻原则获得待测样本的身份标签。

发明内容

本发明的目的在于提供一种两视角步态识别方法，克服现有技术中仅适用单子空间数据、难以保持非线性结构、依赖类别信息的不足。

为实现上述目的，本发明的技术方案是：一种基于多非线性局部保持投影的两视角步态识别方法，其包括以下步骤：步骤S1：读取来自两个不同视角的步态样本集X和Y；步骤S2：刻画两视角间的样本关系；步骤S3：构造非线性函数族，规范化不同视角的步态样本；步骤S4：基于局部保持原则对规范化后的样本学习投影矩阵；步骤S5：比较投影后的已知样本和待测步态样本，识别来自不同视角的步态。

在本发明一实施例中，步骤S2包括以下具体步骤：步骤S21：单个视角下的相似度矩阵刻画步态集的样本间近邻关系，同一个步态集合中第i个步态样本和第j个步态样本的相似度计算公式如下：