[发明专利]基于腿部特征的步态识别方法、装置及系统、可读存储介质

权利要求书

1.一种基于腿部特征的步态识别方法，其特征在于，包括：

对包含人体运动信息的连续的多张图像帧分别进行预处理，分别得到对应每一张所述图像帧的人体前景二值图；

根据内部点去除方法从每一张所述人体前景二值图中分别提取出各自的人体轮廓图；

根据每一个所述人体轮廓图中的关节点信息计算得到动态特征值和静态特征值；

分别计算所述动态特征值和所述静态特征值的差异值，得到动态差异值和静态差异值；

对所述动态差异值和所述静态差异值分别构建得到动态特征差异矩阵和静态特征差异矩阵，并使用最近邻模糊分类器对所述多张图像帧中的目标样本进行识别。

2.根据权利要求1所述的基于腿部特征的步态识别方法，其特征在于，所述对包含人体运动信息的连续的多张图像帧分别进行预处理，分别得到对应每一张所述图像帧的人体前景二值图，包括：

从每一张所述图像帧中提取得到不包含背景信息的图像信息；

对所述图像信息进行预处理得到所述人体前景二值图。

3.根据权利要求1所述的基于腿部特征的步态识别方法，其特征在于，所述根据每一个所述人体轮廓图中的关节点信息计算得到动态特征值和静态特征值，包括：

确定髋关节点、膝关节点以及踝关节点分别在所述人体轮廓图中的位置；

根据所述髋关节点、膝关节点以及踝关节点构建涵盖人体运动信息的腿部五边模型；

根据一个行走周期所对应的多个所述腿部五边模型得到所述动态特征值；

根据所述一个行走周期所对应的多个所述腿部五边模型的加权平均值得到所述静态特征值。

4.根据权利要求1所述的基于腿部特征的步态识别方法，其特征在于，所述分别计算所述动态特征值和所述静态特征值的差异值，得到动态差异值和静态差异值，包括：

对所述动态特征值进行动态时间规整计算得到所述动态差异值；

对所述静态特征值进行降维处理、再通过差值二范数计算得到所述静态差异值。

5.一种基于腿部特征的步态识别装置，其特征在于，包括：

二值图提取模块，用于对包含人体运动信息的连续的多张图像帧分别进行预处理，分别得到对应每一张所述图像帧的人体前景二值图；

轮廓图提取模块，用于根据内部点去除方法从每一张所述人体前景二值图中分别提取出各自的人体轮廓图；

特征值计算模块，用于根据每一个所述人体轮廓图中的关节点信息计算得到动态特征值和静态特征值；

差异值计算模块，用于分别计算所述动态特征值和所述静态特征值的差异值，得到动态差异值和静态差异值；

识别模块，用于针对所述动态差异值和所述静态差异值构建特征差值矩阵，并基于所述特征差值矩阵使用最近邻模糊分类器对所述多张图像帧中的目标样本进行识别。

6.根据权利要求5所述的基于腿部特征的步态识别装置，其特征在于，所述二值图提取模块包括：

图像提取单元，用于从每一张所述图像帧中提取得到不包含背景信息的图像信息；

预处理单元，用于对所述图像信息进行预处理得到所述人体前景二值图。

7.根据权利要求5所述的基于腿部特征的步态识别装置，其特征在于，所述特征值计算模块包括：

关节点确定单元，用于确定髋关节点、膝关节点以及踝关节点分别在所述人体轮廓图中的位置；

模型构建单元，用于根据所述髋关节点、膝关节点以及踝关节点构建涵盖人体运动信息的腿部五边模型；

第一计算单元，用于根据一个行走周期所对应的多个所述腿部五边模型得到所述动态特征值；

第二计算单元，用于根据所述一个行走周期所对应的多个所述腿部五边模型的加权平均值得到所述静态特征值。

8.根据权利要求5所述的基于腿部特征的步态识别装置，其特征在于，所述差异值计算模块包括：

第三计算单元，用于对所述动态特征值进行动态时间规整计算得到所述动态差异值；

第四计算单元，用于对所述静态特征值进行降维处理、再通过差值二范数计算得到所述静态差异值。