[发明专利]一种基于Kinect的视角不变性步态识别方法

摘要

本发明提出了一种基于Kinect的视角不变性步态识别方法。利用Kinect可以实时准确估计人体关节空间位置信息的优势，将其作为步态数据采集设备，采集行走过程中每帧的关节空间坐标信息。选取了8段关节间的距离作为静态特征，定义并对比了上下肢体关节摆动的角度，选择出识别效果最好的一组角度变化作为动态特征。将两种特征分别用欧式距离与DTW算法与模板进行匹配，并使其在匹配层进行特征融合后利用最近邻分类器完成分类识别。本方法算法简单，具有较强的实时性，且具有视角不变的特性。

主权项

1.一种基于Kinect的视角不变性步态识别方法，其特征在于包括以下步骤：(1)骨骼关节三维空间位置坐标的获取，即利用Kinect提供的SDK自动捕获进入视野范围内的人体，并将行走过程中每帧的关节位置信息的三维空间坐标(x,y,z)保存在列表数据结构中；(2)静态特征的选择与获取，具体步骤包括：a.设置人体距离Kinect的阈值，获取具有准确稳定关节信息所在的置信帧；b.定义8组关节之间的距离作为静态特征，根据置信帧中每帧关节的三维坐标信息，利用欧式距离计算各段距离，并将这8段距离组成一个8维的静态特征向量，其中所述8组关节之间的距离依次是：右大腿、右小腿、右大臂、右小臂、脊柱、肩宽、颈长、头纵距；c.根据置信帧的帧数，对以上得到的静态特征向量进行统计平均运算，将结果作为最终的静态特征向量；(3)动态特征的选择与获取，具体步骤包括：a.定义共8个关节的摆动角度作为动态角度特征，并计算其在每帧的角度值，得到8个动态角度序列，其中所述8个关节的摆动角度分别为：左右大臂、左右小臂、左右大腿、左右小腿在某一平面的摆动角度；b.将得到的8个角度序列按照同名关节分组，将每组关节的左右角度序列数据进行差分运算，再对差分序列进行零点检测，将零点对应与左右角度序列中的帧标记出来，并将这些帧当作周期分割帧，进行周期提取，最终得到包含一个周期信息的四组动态角度序列；c.将得到的四组动态角度序列分别作为动态特征，单独测试识别效果，最终确定识别率最高的那一组动态角度序列作为最终的动态特征向量；(4)特征的匹配与融合，具体步骤包括：a.利用欧式距离计算静态特征向量样本与模板之间的距离，并以此距离作为匹配分值；b.利用动态时间规整DTW算法计算动态特征向量样本与模板之间的距离，并以此距离作为匹配分值；c.将a和b步骤中得到的两种特征的匹配分值分别归一化之后，按照线性加权原则进行特征融合，其中权重与每种特征单独的正确识别率正相关；(5)分类识别，即根据特征融合之后的匹配分值作为最终样本与模板之间的相似性度量标准，采用最近邻分类准则进行分类识别。