專利名稱：快速步態識別方法
技術領域：
本發明涉及一種步態識別方法，尤其涉及一種基于時空輪廓分析的快速步態識別方法。
背景技術：
步態識別是一種新興的生物特征識別技術，同樣也是計算機視覺領域一個重要研究課題，旨在根據人們走路的姿勢進行身份識別。人們可以把人臉、指紋等靜態圖像的識別歸結為第一代生物識別技術，那么可以把新興的這種識別技術稱為第二代生物識別技術。步態識別具有遠距離和非侵犯性等優勢，受到現代智能監控系統研究者的越來越多的關注。在視頻監控系統中，人臉及步態特征一直都被認為是兩個重要的可利用的特征。但人臉識別容易受化妝、佩戴物及距離等因素的影響，步態識別可克服以上缺陷，在遠距離非接觸的狀態下進行，具有可遠距離獲取，非接觸性和非侵犯性，以及難以隱藏，難以模仿或盜用的優點。從視頻監控技術日趨走向智能化、無線化道路上來看，步態是遠距離情況下最有潛力的生物特征，并且是進一步從精細化監控功能的必要線索，在輔助身份識別的同時，還可以實現目標對象的年齡和性別，甚至可用于辨別目標對象的種族類型。而步態識別技術的關鍵問題是步態特征的表征方法，很多算法的共同思路是利用人體外形提取步態特征。和虹膜人臉指紋等生物特征相比，步態包含更為復雜的屬性，因此有效地步態特征提取一直是一個沒有很好解決的問題。

發明內容
本發明旨在解決現有技術中存在的技術問題，特別創新地提出了一種快速步態識別方法，將身份識別問題逐層分解，采用決策級信息融合的策略，提高了步態識別的速度。為了實現本發明的上述目的，本發明提供了一種快速步態識別方法，其特征在于包括以下步驟SI、建立由步態特征組成的步態特征數據庫,其中每一步態特征對應于一個人員，且每一步態特征均包括5個分量個人編號、身高、性別、年齡和步態信息文件指針，每一步態信息文件指針對應于一個步態信息分量；S2、采集待識別人體的身高，并獲取待識別人體的步態信息分量；S3、根據該待識別人體的身高，對該步態特征數據庫中的人員進行篩選；S4、根據該待識別人體的性別和年齡，對該步態特征數據庫中的人員進行進一步篩選；S5、分別計算出該待識別人體的步態信息分量與上述篩選出的各人員的步態信息分量之間的歐幾里德距離，并將歐幾里德距離最小的人員識別為該待識別人體。本發明中步態特征包括5個分量，首先通過身高篩選，然后通過性別年齡篩選，最后通過步態信息分量篩選，本發明將身份識別問題逐層分解，采用決策級信息融合的策略，提高了步態識別的速度；此外，步態信息分量以步態信息文件指針的方式存儲至步態特征數據庫中，將步態識別問題完全轉換成了數據庫查詢問題，在步態信息分量篩選過程中可以通過該步態信息文件指針快速查找到對應的步態信息分量，由此進一步提高了步態識別的速度。建立支持該特征存儲和快速檢索的步態數據庫，最終基于時空輪廓分析算法選擇時空能量圖(Spatio-Temporal Energy,STE)作為步態信息的特征圖,提出結構化快速步態識別的方法，使得每個階段的問題處理都更簡便，速度更快，從而使得最終識別性能更好。在所述步驟SI中，該身高h通過直尺測量獲取，單位精確至毫米mm ;該性別s直接輸入，由0表示男性，I表示女性；該年齡a根據當前日期與出生日期的差值確定。所述步驟SI中在獲取該步態信息文件指針*P時首先獲取步態信息分量，再建立與該步態信息分量對應的步態信息文件指針*P ;所述步驟SI和步驟S2中在獲取步態信息分量時，均按照以下步驟執行Al、采集包括人體的步態視頻流以及不包括人體的背景圖像；A2、將該步態視頻流中的各視頻幀以及該背景圖像分別轉換為灰度圖像，并將該步態視頻流中各視頻幀與該背景圖像分別做差分運算，從而獲得各視頻幀的人體區域圖；A3、將該人體區域圖轉換為人體輪廓線圖；A4、對該人體輪廓線圖進行標準化處理；A5、將標準化后的人體輪廓線圖轉換為時空能量圖，并將該時空能量圖作為步態
信息分量。本發明將人體區域圖轉換為人體輪廓線圖，提高了數據壓縮率，節約了存儲空間，并且將人體輪廓線圖轉換為時空能量圖，以時空能量圖作為步態新型分量，由于時空能量圖對噪聲干擾影響不敏感，由此提高了步態識別的精確度。所述步驟A2還包括對各視頻幀的人體區域圖進行處理的過程A2-1、對各視頻幀中人體區域圖進行自適應閾值處理；A2-2、對各視頻幀中人體區域圖進行高斯平滑濾波和形態學處理，去除該人體區域的灰度級圖像中的噪聲；A2-3、對各視頻幀中人體區域圖進行n次腐蝕運算，進一步去除噪聲，并且對該人體區域圖進行膨脹運算，進行邊緣補償，其中n為大于零的整數。本發明中對各視頻幀的人體區域圖的處理過程，進一步提高了步態識別的精確度。所述步驟A3由以下步驟組成A3-1、對人體區域圖進行邊緣檢測，從而獲得人體邊緣圖像；A3-2、對人體邊緣圖像進行查找輪廓運算如果像素點在表示人體可運動部分的輪廓線上，則將該像素點的像素值設置為1，否則將該像素點的像素值設置為0 ;A3-3、查找人體邊緣圖像的外部輪廓，進行多邊形逼近，使得頂點數目減少后接近人體真實輪廓，并且繪制出人體外部輪廓線，從而獲得人體輪廓線圖。所述步驟A4由以下步驟組成A4-1、確定在該人體輪廓線圖中僅包括人體輪廓的最小矩形框圖f(x，y)，并且計算出該最小矩形框圖f(x，y)的像素點總數NXM，其中N表示該最小矩形框圖f(x，y)中每行的像素點個數；
A4-2、按照縮放比例對該最小矩形框圖f (x，y)進行尺寸縮放，其中h表
2000 Λ
示身高，貝1J尺寸縮放后，該最小矩形框圖f' U1 , Y1 )中X' = ax, y1 = ay,由N'表示尺寸縮放后，該最小矩形框圖f' (X'，y')中每行的像素點個數；A4-3、沿著直線y' = y'。，確定在該人體輪廓上相距最近的兩個點(x' ,,y'。)和(X' 2, y'。)，這兩個點對應于人體頸部最細的位置，其中太。e
，round O為取整運算；A4-4、根據公式X計算出人體頸部最細位置處的中軸線X'。，并且以該
~ 2
中軸線V。為對稱軸，在該最小矩形框圖f, (X, ,Y1 )的左右和上部添加像素值為O的像素點，將該最小矩形框圖Γ U丨,1')縮放至標準的尺寸，從而實現人體輪廓線圖的標準化。本發明在對該人體輪廓線圖進行標準化處理時，以人體頸部最細位置處的中軸線Xi。為對稱軸對人體輪廓部分進行縮放，既保持了每個人身高與步幅的比例，也保留了身聞 目息。綜上所述，由于采用了上述技術方案，本發明的有益效果是I、本發明中步態特征包括5個分量，首先通過身高篩選，然后通過性別年齡篩選，最后通過步態信息分量篩選，本發明將身份識別問題逐層分解，采用決策級信息融合的策略，提高了步態識別的速度；此外，步態信息分量以步態信息文件指針的方式存儲至步態特征數據庫中，將步態識別問題完全轉換成了數據庫查詢問題，在步態信息分量篩選過程中可以通過該步態信息文件指針快速查找到對應的步態信息分量，由此進一步提高了步態識別的速度；2、將人體區域圖轉換為人體輪廓線圖，提高了數據壓縮率，節約了存儲空間，并且將人體輪廓線圖轉換為時空能量圖，以時空能量圖作為步態新型分量，由于時空能量圖對噪聲干擾影響不敏感，由此提聞了步態識別的精確度；3、對各視頻幀的人體區域圖進一步的處理過程，進一步提高了步態識別的精確度；4、本發明在對該人體輪廓線圖進行標準化處理時，以人體頸部最細位置處的中軸線V。為對稱軸對人體輪廓部分進行縮放，既保持了每個人身高與步幅的比例，也保留了
身高信息。本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。


本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中圖1是快速步態識別方法的流程圖；圖2是建立步態特征數據庫的流程圖；圖3是本發明的第一實施例中，激光測量儀測量待識別身高的示意圖4是本發明的第一實施例中，獲取人體區域圖的流程圖；圖5是本發明的第一實施例中，獲取人體輪廓線圖并進行對該人體輪廓圖進行標準化處理的流程圖。
具體實施例方式下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發明，而不能理解為對本發明的限制。如圖1所示，該快速步態識別方法包括以下步驟步驟一、建立由步態特征組成的步態特征數據庫，其中每一步態特征對應于一個人員，且每一步態特征均包括5個分量個人編號ID、身高h、性別S、年齡a和步態信息文件指針*P，每一步態信息文件指針*P對應于一個步態信息分量。該步態特征定義為struct GaitFeature // 步態特征{char ID [maxSize] ；// 個人編號float h ；// 身高int s [2] ； // 性別int a ；// 年齡FILE *P ；} ； //步態信息文件指針如圖2所示,建立由步態特征組成的步態特征數據庫時，步態特征中身高h通過直尺測量獲取，單位精確至毫米mm ;性別s直接輸入，由0表示男性，I表示女性；年齡a根據當前日期與出生日期的差值確定，由此該年齡a信息可以自動更新。獲取該步態特征中步態信息文件指針*P時首先獲取步態信息分量，再建立與該步態信息分量對應的步態信息文件指針*P。步驟二、采集待識別人體的身高，并獲取該待識別人體的步態信息分量。在本發明的第一實施例中，采用激光測量儀采集待識別人員的身高。如圖3所示，將激光測量儀與攝像機安放在一起，使得激光測量儀的掃描平面與地面正交，一旦待識別人體行至掃描平面則能瞬間獲得其身高。如圖5所示，激光測量儀測量出r、S1, 02，則待識別人體的身高hzhi+hfrtan 0 Jrtan 0 2,其中r表示待識別人體的腰部與激光測量儀的距離。步驟三、根據該待識別人體的身高，對該步態特征數據庫中的人員進行篩選。在本發明的第一實施例中，設定步態特征數據庫中存儲步態特征的表名為GaitFeaturel,檢索表名為GaitFeaturel的各步態特征中的身高值，即SELECT ID FROM GaitFeaturel WHERE ID=， h，定義類型為vector〈int>的容器Re,把得到的結果放入Re中。調用Re. size ()得到Re中元素的個數n。(Re是一個包含當前待識別者的人員步態特征初步集合，且集合中每個人的身高都在[h_Ah，h+Ah]范圍內(Ah為誤差)，表示有n個人與被識別者的步態信息分量距離都很接近，被識別者是這n個人之一。)步驟四、根據該待識別人體的性別和年齡，對該步態特征數據庫中的人員進行進一步篩選。本發明中根據待識別人體的實際情況，可以采用人為判斷并手動輸入的方式進行篩選。步驟五、分別計算出該待識別人體的步態信息分量與上述篩選出的各人員的步態信息分量之間的歐幾里德距離，并將歐幾里德距離最小的人員識別為該待識別人體。上述步驟一和步驟二中在獲取步態信息分量時，均按照以下步驟執行Al、采集包括人體的步態視頻流以及不包括人體的背景圖像.A2、將該步態視頻流中的各視頻幀以及該背景圖像分別轉換為灰度圖像，將該步態視頻流中各視頻幀與該背景圖像分別做差分運算，從而獲得各視頻幀的人體區域圖。應注意的是該步態視頻流包括多個步態序列，其中每一步態序列對應于一個步態周期，即每一步態序列的起始視頻幀對應的人體動作相同，并且在采集步態視頻流的同時需要記錄行人相對于攝像機的距離以及行走方向。
此外，上述步驟A2中還包括對各視頻幀的人體區域圖進行處理的過程，具體為A2-1、對各視頻幀中人體區域圖進行自適應閾值處理；A2-2、對各視頻幀中人體區域圖進行高斯平滑濾波和形態學處理，去除該人體區域的灰度級圖像中的噪聲；A2-3、對各視頻幀中人體區域圖進行η次腐蝕運算，進一步去除噪聲，并且對該人體區域圖進行膨脹運算，進行邊緣補償，其中η為大于零的整數。在本發明的第一實施例中，在C++環境下調用OpenCV視覺庫實現上述步驟，如圖4所示，具體為第一步、采集不包括人體的背景圖像ImgbackGround并通過圖像加載函數cvLoadlmage ( “ImgbackGround.jpg”，-1)將該背景圖像導入OpenCV視覺庫中，建立背景模型，其中該圖像加載函數cvLoadImage( “ImgbackGround.jpg”，-1)中的參數-1表示在導入該背景圖像之前將該背景圖像轉化為灰度圖；第二步、采集包括人體的步態視頻流gaitFeature. avi并通過視頻獲取函數cvCreateFileCapture (“gaitFeature. avi”)將該步態視頻流 gaitFeature. avi 導入該 OpenCV視覺庫中；第三步、通過視頻巾貞查詢函數CvQueryFrameO獲取該步態視頻流gaitFeature.avi的當前視頻巾貞FrameCur ；第四步、將該當前視頻巾貞FrameCur轉化為灰度圖像，并通過函數CvAbsDiff(FrameCur, ImgbackGround, frameForgeground)對當前視頻巾貞 FrameCur 與背景圖像ImgbackGround進行差分運算,從而獲得人體區域的灰度級圖像frameForgeground ；第五步、通過函數cvAdaptiveThresholde O對該人體區域的灰度級圖像frameForgeground進行自適應閾值處理；第六步、設置函數cvSmoothO的參數smoothtype為CV_GAUSSIAN,通過該函數cvSmoothO對該人體區域的灰度級圖像進行高斯平滑濾波和形態學處理，去除該人體區域的灰度級圖像中的噪聲；第七步、通過函數cvErode O對該人體區域的灰度級圖像進行η次腐蝕運算,進一步消除噪聲，并且通過函數cvDilate O對該人體區域的灰度級圖像進行膨脹運算，進行邊緣補償，其中η為大于零的整數，可以實際實驗情況自行選擇。A3、將人體區域圖轉換為人體輪廓線圖，具體的步驟為
A3-1、對人體區域圖進行邊緣檢測，從而獲得人體邊緣圖像；A3-2、對人體邊緣圖像進行查找輪廓運算如果像素點在表示人體可運動部分的輪廓線上，則將該像素點的像素值設置為1，否則將該像素點的像素值設置為0 ;A3-3、查找人體邊緣圖像的外部輪廓，進行多邊形逼近，使得頂點數目減少后接近人體真實輪廓，并且繪制出人體外部輪廓線，從而獲得人體輪廓線圖。本發明將人體可運動部分視為剛體，由于剛體的輪廓信息就足以表示人體的步態特征，因此本發明去掉剛體內部像素信息，只保留人體輪廓線，這樣的人體二值輪廓線圖與人體區域圖相比，數據壓縮率很高，可節約存儲空間。在本發明的第一實施例中，在C++環境下調用OpenCV視覺庫實現上述步驟，如圖5所示，具體為
第一步、通過邊緣檢測函數cvCannyO對人體區域圖進行邊緣檢測，從而獲得人體邊緣圖像ImgCanny ；第二步、通過輪廓查找函數cvFindContours ()對人體邊緣圖像ImgCanny進行查找輪廓運算，其中將該輪廓查找函數cvFindContours ()的內參數mode設置為CV_RETR_EXTERNAL (即只檢測出最外部輪廓)，內參數method設置為CV_CHAIN_C0DE (即用Freeman鏈碼輸出輪廓)；第三步、通過逼近多邊函數cvApproxPoly ()對查找人體邊緣圖像ImgCanny的外部輪廓，進行多邊形逼近，使得頂點數目減少后接近人體真實輪廓，并且通過輪廓繪制函數cvDrawContours ()繪制出人體外部輪廓線，從而獲得人體輪廓線圖1mgContours。A4、在采集步態視頻流時，由于攝像機焦距不同，攝像速率不同等諸多因素會造成人體在不同圖像上的位置和大小存在很大差別，因此為了以相同的標準表示每個人的步態特征，便于快速步態識別，本發明對人體輪廓線圖進行標準化處理，具體的步驟為A4-1、確定在該人體輪廓線圖中僅包括人體輪廓的最小矩形框圖f (X，y)，并且計算出該最小矩形框圖f(x，y)的像素點總數NXM，其中N表示該最小矩形框圖f(x，y)中每行的像素點個數；A4-2、由于目前人體的身高大多不超過2m，因此按照縮放比例a= 對該最
2000/V
小矩形框圖f(x，y)進行尺寸縮放，其中h表示身高(單位為mm)，則尺寸縮放后，該最小矩形框圖'(X' , y')中X' =ax, y' = ay,由N'來表示尺寸縮放后,該最小矩形框圖f' U丨,Jr )中每行的像素點個數。A4-3、沿著直線y' =y'。，確定在人體輪廓上相距最近的兩個點(x' y/ c)和(X' 2, J1。)，這兩個點對應于人體頸部最細的位置，其中y'。G
，round ()為取整運算；A4-4、根據公式Xe計算出人體頸部最細位置處的中軸線X'。，并且以該
中軸線X'。為對稱軸，在該最小矩形框圖f' U' ,y')的左右和上部添加像素值為0的像素點，將該最小矩形框圖f' U' ,Jr )縮放至標準的尺寸，從而實現人體輪廓線圖的標準化。本發明以人體頸部最細位置處的中軸線X'。為對稱軸對人體輪廓部分進行縮放，既保持了每個人身高與步幅的比例，也保留了身高信息。在本發明的第一實施例中，在C++環境下調用OpenCV視覺庫實現上述步驟，如圖5所示，具體為第一步、通過矩形邊界函數cvBoundingRect O獲取人體輪廓線圖1mgContours中包含人體輪廓部分的最小矩形框Rectl，其中該最小矩形框Rectl包含的信息有矩形框起始坐標(X，y)以及長寬(height, width),則該最小矩形框Rectl的像素點總數為Rectl.height*Rectl. width ；第二步、通過圖像截取函數cvGetSubRect O從人體輪廓線圖1mgContours中截取出人體輪廓部分并保存為ImgContourl ；第三步、通過尺寸縮放函數cvReSize O將人體輪廓部分ImgConTourl進行尺寸縮放為100 X 64，從而獲得標準化后的人體輪廓線圖1mgConTour2。在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結合。盡管已經示出和描述了本發明的實施例，本領域的普通技術人員可以理解在不脫離本發明的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發明的范圍由權利要求及其等同物限定。
權利要求
1.一種快速步態識別方法，其特征在于包括以下步驟 51、建立由步態特征組成的步態特征數據庫，其中每一步態特征對應于一個人員，且每一步態特征均包括5個分量個人編號、身高、性別、年齡和步態信息文件指針，每一步態信息文件指針對應于一個步態信息分量； 52、采集待識別人體的身高，并獲取待識別人體的步態信息分量； 53、根據該待識別人體的身高，對該步態特征數據庫中的人員進行篩選； 54、根據該待識別人體的性別和年齡，對該步態特征數據庫中的人員進行進一步篩選; 55、分別計算出該待識別人體的步態信息分量與上述篩選出的各人員的步態信息分量之間的歐幾里德距離，并將歐幾里德距離最小的人員識別為該待識別人體。
2.根據權利要求I所述的快速步態識別方法，其特征在于在所述步驟SI中，該身高h通過直尺測量獲取，單位精確至毫米mm ;該性別s直接輸入，由O表示男性，I表示女性；該年齡a根據當前日期與出生日期的差值確定。
3.根據權利要求I所述的快速步態識別方法，其特征在于所述步驟SI中在獲取該步態信息文件指針*P時首先獲取步態信息分量，再建立與該步態信息分量對應的步態信息文件指針*P ； 所述步驟SI和步驟S2中在獲取步態信息分量時，均按照以下步驟執行 Al、采集包括人體的步態視頻流以及不包括人體的背景圖像； A2、將該步態視頻流中的各視頻幀以及該背景圖像分別轉換為灰度圖像，并將該步態視頻流中各視頻幀與該背景圖像分別做差分運算，從而獲得各視頻幀的人體區域圖； A3、將該人體區域圖轉換為人體輪廓線圖； A4、對該人體輪廓線圖進行標準化處理； A5、將標準化后的人體輪廓線圖轉換為時空能量圖，并將該時空能量圖作為步態信息分量。
4.根據權利要求3所述的快速步態識別方法，其特征在于所述步驟A2還包括對各視頻幀的人體區域圖進行處理的過程 A2-1、對各視頻幀中人體區域圖進行自適應閾值處理； A2-2、對各視頻幀中人體區域圖進行高斯平滑濾波和形態學處理，去除該人體區域的灰度級圖像中的噪聲； A2-3、對各視頻幀中人體區域圖進行η次腐蝕運算，進一步去除噪聲，并且對該人體區域圖進行膨脹運算，進行邊緣補償，其中η為大于零的整數。
5.根據權利要求3所述的快速步態識別方法，其特征在于所述步驟A3由以下步驟組成 Α3-1、對人體區域圖進行邊緣檢測，從而獲得人體邊緣圖像； Α3-2、對人體邊緣圖像進行查找輪廓運算如果像素點在表示人體可運動部分的輪廓線上，則將該像素點的像素值設置為1，否則將該像素點的像素值設置為O ; Α3-3、查找人體邊緣圖像的外部輪廓，進行多邊形逼近，使得頂點數目減少后接近人體真實輪廓，并且繪制出人體外部輪廓線，從而獲得人體輪廓線圖。
6.根據權利要求3所述的快速步態識別方法，其特征在于所述步驟Α4由以下步驟組成 A4-1、確定在該人體輪廓線圖中僅包括人體輪廓的最小矩形框圖f(x，y)，并且計算出該最小矩形框圖f(x，y)的像素點總數NXM，其中N表示該最小矩形框圖f(x，y)中每行的像素點個數； A4-2、按照縮放比例對該最小矩形框圖f (x，y)進行尺寸縮放，其中h表示身
全文摘要
本發明提出了一種快速步態識別方法，屬于步態識別領域。該方法中步態特征包括5個分量，首先通過身高篩選，然后通過性別年齡篩選，最后通過步態信息分量篩選，將身份識別問題逐層分解，采用決策級信息融合的策略，提高了步態識別的速度；步態信息分量以步態信息文件指針的方式存儲至步態特征數據庫中，將步態識別問題完全轉換成了數據庫查詢問題，可以通過該步態信息文件指針快速查找到對應的步態信息分量，由此進一步提高了步態識別的速度。此外，在獲取步態信息分量過程中將人體區域圖轉換為人體輪廓線圖，提高了數據壓縮率，節約了存儲空間，并且將人體輪廓線圖轉換為時空能量圖，以時空能量圖作為步態新型分量，提高了步態識別的精確度。
文檔編號G06K9/00GK102982323SQ201210552339
公開日2013年3月20日 申請日期2012年12月19日 優先權日2012年12月19日
發明者李校林, 張天永, 朱闖, 何策 申請人:重慶信科設計有限公司