[发明专利]基于时间序列shapelet的步态识别分类方法

摘要

本发明公开了一种基于时间序列shapelet的步态识别分类方法。首先，选取监控中的步态视频进行轮廓提取；其次，在提取轮廓图像后，对轮廓图像进行处理，估计出这个人的步态周期；然后对其进行步态特征的提取，计算出如摆动的距离和关节角度特征等，这些特征可以表示为时间序列数据；最后对这些时间序列数据进行shapelet序列的提取，找出包含最大信息增益的shapelet序列；最后用提取出的shapelet序列为基础构造出一个决策分类器，可对未知的人体步态进行识别和分类。本方法可以在丰富的步态模式信息中，解决信息干扰对运动识别造成的影响，提高运动识别的准确率，同时实现对未知的步态类进行识别和分类。

主权项

1.一种基于时间序列shapelet的步态识别分类方法，其特征在于包括以下步骤：（1）获取监控视频中监控画面的静态背景画面以及具有人体步态静态监控画面，其中人体步态静态监控画面采集1000组以上的数据，保证人体步态具有完整周期；（2）利用高斯混合模型算法，把静态背景画面从人体步态静态监控画面进行减除，提取人体轮廓的二值图像，对二值图像进行预处理，构成单连通人体轮廓，即把运动目标从视频序列中提取出来；（3）使用本征空间投影和K‑均值方法对提取的人体轮廓图像进行处理，估计出监控视频中的步态周期；（4）把人体轮廓图像进行处理，把人体轮廓分为七个椭圆区域：头部区域、前躯干、后躯干、大腿前侧、大腿背部、前脚和后脚，每个区域利用椭圆标识，提取椭圆的质心、取向以及延伸率的x，y坐标，作为特征参数，从估计出的步态周期中计算出每个特征参数的关节角度和摆动距离，把这些特征标识为时间序列数据并存储在数据库中；（5）提取时间序列数据中的shapelet序列，以提取的shapelet序列为基础构造出一个决策树分类器，对未知的步态类进行识别和分类。