[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

说明书

本发明实施例公开了一种基于腿部特征的步态识别方法、装置及系统、可读存储介质。所述步态识别方法包括：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；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。能够消除在人体携带物品时对于步态识别带来的影响，提高了识别的准确率。

技术领域

本发明涉及人体形态识别技术领域，尤其涉及一种基于腿部特征的步态识别方法、一种基于腿部特征的步态识别装置、一种基于腿部特征的步态识别系统和一种可读存储介质。

背景技术

步态识别是一种通过从相同的行走行为中寻找和提取个体之间的变化特征，从而实现对人进行身份识别的过程。与现有的人脸识别、指纹识别等生物特征识别技术相比，最为主要的优点是非接触性以及远距离性。步态识别更多的关注待测人员整个行走过程在时空上的变化规律与特性，对于图像细节模糊的容忍度较高，可以实现远距离的身份识别。另一方面，步态识别还有难以伪装和隐藏的特性，尤其是在智能视频监控领域，犯罪嫌疑人往往会对面部进行一系列的伪装，而步态则不会有太大的改变，特意的改变走路姿势反而更易引起怀疑。

步态识别技术是融合了机器视觉、图像处理以及机器学习等各种新兴技术的生物识别技术。其可以分为三个过程：运动目标检测、步态特征提取与特征分类识别。

其中，目标检测的核心任务是从样本图片序列中快速有效的提取出人体的二值化图像，从而方便进一步提取样本的特征，这方面主要包含背景建模、形态学处理等操作，现有常用的目标检测方法主要有三种，分别为：光流法、帧间差分法与背景减除法。步态特征是步态识别技术最为核心的环节，这一步的目标是如何提取最有效的特征去表现样本间的差异性，现有步态识别的研究大多通过提取人体轮廓与轮廓质心的距离信息及傅里叶算子、轮廓的宽度与面积信息或者轮廓的各种矩阵特征来构建人体的步态特征。最后是特征的分类识别，该过程通过待测样本特征与模板样本特征进行比较从而实现身份的识别，在当前的步态识别研究中，基于人体单一特征的步态识别因其抗干扰能力差，准确度起伏大等原因逐渐淡出了研究者们的视野，取而代之的是基于多特征融合的步态识别。

步态识别作为核心的生物特征识别技术之一，因其易采集，远距离，隐蔽性高等特点，得到了国内外学者的广泛研究与关注。这些研究虽然都取得了不错的识别效果，但它们都忽视了待测对象携带物品时对步态识别检测的影响。而在实际情况中，有无背包，冬夏季衣服厚度的不同，都会对提取出的人体二值化图像产生影响进而严重干扰到最终的识别准确率。

发明内容

因此，本发明实施例提供一种基于腿部特征的步态识别方法、一种基于腿部特征的步态识别装置、一种基于腿部特征的步态识别系统和一种可读存储介质，能够消除在人体携带物品时对于步态识别带来的影响，提高了识别的准确率。

一方面，本发明实施例提供的一种基于腿部特征的步态识别方法，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；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。

在本发明的一个实施例中，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。