[发明专利]一种基于重心对齐的步态能量图优化合成方法

权利要求书

1.一种基于重心对齐的步态能量图优化合成方法，其特征在于，包括以下步骤：

步骤1：对采集的人物步态视频做预处理，获取视频中的每帧图像的二值化图片，并从获取的二值化图片中选取属于一个步态周期的二值化图片；具体的，p＝(p₁,p2,...p_i,...,p_n)；

其中，P为属于一个步态周期的二值化图片的集合，p_i为属于一个步态周期的第i帧图片的二值化图片，i＝1,2,…n；

步骤2：对步骤1中所述的属于一个步态周期的每一张二值化图片寻找对应的连通域；即寻找p_i的连通域；

步骤3：若所述的p_i只有一个连通域，则判断p_i不属于断头图片，定义此p_i轮廓为人物轮廓，进入步骤5；

步骤4：若所述的p_i的多个连通域中，某一较小连通域为最大连通域丢失的头部，则合并此较小连通域与最大连通域，使其成为一个整体区域M，定义M为所述的p_i的人物轮廓；若所述的p_i的多个连通域中，所有较小连通域均不能全部满足判断条件，则舍弃所有的较小连通域，即定义所述的p_i的最大连通域M”为所述的p_i的人物轮廓；

其中，M＝M'+M”，M'为最大连通域，M”为满足所有判断条件的较小连通域，即所述的此较小连通域；

步骤5：计算所述的p_i的人物轮廓的高度值H_i，分以下三种情况：

若所述的p_i轮廓为人物轮廓，则所述的p_i的人物轮廓的高度值H_i即为所述的p_i轮廓的高度值；

若步骤4所述的M为所述的p_i的人物轮廓，则所述的p_i的人物轮廓的高度值H_i＝M_y+M_h-M’_y，其中，M_y表示最大连通域左上角的纵坐标,M_h表示最大连通域的高度值,M’_y表示较小连通域左上角的纵坐标；

若步骤4所述的最大连通域M”为所述的p_i的人物轮廓，则所述的p_i的人物轮廓的高度值H_i＝M_h，其中，M_h表示最大连通域的高度值；

步骤6：利用步骤5所述的p_i的人物轮廓的高度值H_i，判断所述的p_i是否属于无头图片，若所述的p_i属于无头图片，则舍弃所述的p_i，保留p'，p'为属于一个步态周期的有头的二值化图片；

判断方法为：

判断H_i-1和H_i的差值的绝对值与阈值D的关系，其中，D＝10，H_i为所述的p_i的人物轮廓的高度值，H_i-1为p_i-1的人物轮廓的高度值；

若|H_i-1-H_i|≤D，则判断所述的p_i不属于无头图片，保留p'＝(p₁,p2,...p_i,...,p_n)；

若|H_i-1-H_i|＞D，则判断所述的p中出现了无头图片，分下述两种情况：

若H_i-1-H_i＞D，则判断所述的p_i属于无头图片，舍弃p_i，保留p'＝(p₁,p2,...p_i-1,p_i+1,...,p_n)；

若H_i-H_i-1＜D，则判断p₁,p2,...p_i-1均属于无头图片，舍弃p₁,p2,...p_i-1，保留p'＝(p_i+1,...,p_n)；

步骤7：对p'中的所有图片进行高度归一化处理，使p'中人物轮廓的二值图图像的高度值相等；

步骤8：将p'中的每帧图片p_i按人物轮廓的高度值分成平均的上下两部分，对于上半部分求其对应的重心M_i^s；

步骤9：将p'中的每帧图片p_i按其对应的重心M_i^s顺序对齐，对所有保留图片进行像素的累加求平均，获得最终的步态能量图GEI；

其中，G表示最终生成的步态能量图，N表示一个步态周期包含N帧图像。

2.根据权利要求1所述的一种基于重心对齐的步态能量图优化合成方法，其特征在于：步骤4中所述的判断条件为：

条件1：最大连通域的重心点横坐标和较小连通域的重心点横坐标的差值与较小连通域的宽度值的比值小于阈值A；

((M_cx-M’_cx)/M_w)＜A；

其中，M_cx为所述最大连通域的重心点横坐标，M’_cx为所述较小连通域的重心点横坐标，M_w为较小连通域的宽度值，其中A＝0.1；

条件2：最大连通域和较小连通域的垂直方向距离值与最大连通域高度值的比值小于阈值B；

(M’_h+M’_y-M_y)/M_h＜B；

其中，M’_h为较小连通域的高度值，M’_y为较小连通域边框左上角的纵坐标，M_y为最大连通域边框左上角的纵坐标，M_h为最大连通域的高度值，其中，B＝0.1；

条件3：较小连通域的重心点纵坐标高于最大连通域的上边界；

M’_cy＜M_y；

其中，M’_cy为较小连通域的重心点纵坐标，M_y为最大连通域边框左上角的纵坐标；

条件4：最大连通域的面积值和较小连通域的面积值的比值大于阈值C₁且小于阈值C₂；

其中，S_M为最大连通域的面积值，S’_M为较小连通域的面积值，其中C₁＝7、C₂＝14。