一種多角度的步態(tài)周期檢測方法
【專利摘要】本發(fā)明涉及一種多角度的步態(tài)周期檢測方法,其特征在于:步驟1:從步態(tài)視頻流中得到二值化的步態(tài)序列,對序列進行正面步態(tài)和非正面步態(tài)分類;步驟2:若序列為正面步態(tài),則前臂、小腿和腳部區(qū)域的圖像像素變化,求取極值點,得到步態(tài)周期;步驟3:若序列為非正面步態(tài),則檢測腿部區(qū)域的能量變化,求取極值點,得到步態(tài)周期。
【專利說明】一種多角度的步態(tài)周期檢測方法
【技術領域】
[0001]本發(fā)明涉及一種多角度的步態(tài)周期檢測方法。
【背景技術】
[0002]步態(tài)識別是近年來計算機視覺和生物特征識別領域的一個備受關注的研究方向,它旨在根據人走路的姿勢進行身份識別。人具有相對穩(wěn)定的行走動作,不同的人行走姿態(tài)各不相同,據此可識別人的身份。步態(tài)的非接觸性、不易偽裝、遠距離等優(yōu)點,在智能視頻監(jiān)控中有很大的應用前景。在人行走的過程中,攝像機拍攝的步態(tài)序列隨著人的手臂和腿部的擺動呈現出明顯的周期性,一幀圖像不能識別出目標的身份,而應采用一個周期的圖像序列來識別目標的身份。
[0003]目前,國內外很多研究者在步態(tài)周期檢測上做了研究,BenAbdelkader等根據邊界矩形框的寬度分析步態(tài)的周期性;Collins等分析了人體高度和寬度的周期性變化,觀測步態(tài)周期性;Kale等通過觀察人體寬度向量的范數隨時間變化來分析步態(tài)的周期特性;Boulgouris等用前景像素之和的自相關性判斷步態(tài)的周期;Sarkar等采用人體區(qū)域下半部分像素點的多少的周期特性確定步態(tài)的周期性變化;Li等將步態(tài)排成自相似圖(SSP),然后采用線性局部嵌入(LLE)的非線性降維方法提取一維的保留了原始幾何形狀的特征來分析步態(tài)的周期性;陳實等以步態(tài)序列中所有行人輪廓區(qū)域外接矩形框作為圖像區(qū)域,在圖像區(qū)域自底而上的1/4高度內,等量水平分割三個區(qū)域,計算各區(qū)累計輪廓點數,得到相應的點分布直方圖特征檢測出步態(tài)周期。王科俊等將步態(tài)的周期問題轉化為單幀圖像的區(qū)域特征分析問題,即根據每幀中圖形區(qū)域的特征(如:面積、質心、矩、特殊點和邊界框等)的變化情況來分析步態(tài)的周期,取得了較好的檢測效果。
[0004]周期檢測分兩種情況:正面步態(tài)和非正面步態(tài)。當攝像機視角與人體行走方向成0°和180°時,稱為正面步態(tài),其余的情況統(tǒng)稱為非正面步態(tài)。對于非正面步態(tài),上述方法在大多數情況下均能取得較好的檢測效果。但當提取的步態(tài)序列圖像質量較差,有較大輪廓噪聲,腳下陰影面積較大的情況下,魯棒性并不是很好。針對正面步態(tài)的周期檢測方法不是很多,主要有王科俊等采用上肢擺動引起的前臂區(qū)域像素變化來檢測周期,這里既包括了上肢的左右運動,還包括了上肢在其他方向上的運動,該方法檢測的局限性在于:當人穿著不同的外套時,會受到很大的干擾;當人攜帶物品時,其中一只胳膊,甚至兩只胳膊都可能沒有擺動,與軀干保持相對靜止;當攝像機以較大俯角俯視場景時,對上肢的前后運動也會產生很大的影響。因此僅依靠上肢的擺動并不能適用于所有情況。高海燕采用下肢在前后運動時所引起的小腿和腳部區(qū)域的左右像素差檢測周期。該方法檢測的局限在于:除要求人體與攝像機的距離外,陰影對下肢有很大的影響,只有在陰影處理得很好的前提下,該方法才能取得理想的效果。
【發(fā)明內容】
[0005]本發(fā)明目的在于提供一種多角度的步態(tài)周期檢測方法,能適應攝像機與人體距離和角度變化,對有輪廓噪聲和陰影的圖像序列有很好的魯棒性。
[0006]實現本發(fā)明目的技術方案:
[0007]—種多角度的步態(tài)周期檢測方法,其特征在于:
[0008]步驟1:從步態(tài)視頻流中得到二值化的步態(tài)序列,對序列進行正面步態(tài)和非正面步態(tài)分類;
[0009]步驟2:若序列為正面步態(tài),則前臂、小腿和腳部區(qū)域的圖像像素變化,求取極值點,得到步態(tài)周期;
[0010]步驟3:若序列為非正面步態(tài),則檢測腿部區(qū)域的能量變化,求取極值點,得到步態(tài)周期。
[0011]步驟2中,將上肢擺動引起的前臂區(qū)域像素變化檢測到的步態(tài)周期,與下肢前后運動引起的小腿、腳部區(qū)域的左右像素差檢測到的步態(tài)周期,進行加權融合,加權融合公式
(I)為:
【權利要求】
1.一種多角度的步態(tài)周期檢測方法,其特征在于: 步驟1:從步態(tài)視頻流中得到二值化的步態(tài)序列,對序列進行正面步態(tài)和非正面步態(tài)分類; 步驟2:若序列為正面步態(tài),則前臂、小腿和腳部區(qū)域的圖像像素變化,求取極值點,得到步態(tài)周期; 步驟3:若序列為非正面步態(tài),則檢測腿部區(qū)域的能量變化,求取極值點,得到步態(tài)周期。
2.根據權利要求1所述的多角度的步態(tài)周期檢測方法,其特征在于:步驟2中,將上肢擺動引起的前臂區(qū)域像素變化檢測到的步態(tài)周期,與下肢前后運動引起的小腿、腳部區(qū)域的左右像素差檢測到的步態(tài)周期,進行加權融合,加權融合公式(I)為:
3.根據權利要求2所述的多角度的步態(tài)周期檢測方法,其特征在于:步驟2中,加權融合檢測包括以下步驟: 步驟2.1:分析圖像質量確定參數λ,當λ≤0.5時,則進入步驟2.2 ;當λ〈0.5時,則進入步驟2.5 ; 步驟2.2:先進行上肢圖像的檢測,求出X1和yi ; 步驟2.3:再進行下肢圖像的檢測,在下肢圖像檢測的曲線上,以X1為中心,向左右兩側搜索過零點,如果左右兩側超過閥值均未找到,則結束檢測;如果找到,則該點即為x2,進入步驟2.4 ; 步驟2.4:在下肢圖像檢測的曲線上,以yi為中心,向左右兩側搜索過零點,如果左右兩側超過閥值均未找到,則結束檢測;如果找到,則該點即為y2,進入步驟2.8 ; 步驟2.5:先進行下肢圖像的檢測,求出X2和y2 ; 步驟2.6:再進行上肢圖像的檢測,在上肢圖像檢測的曲線上,以X2為中心,向左右兩側搜索過零點,如果左右兩側超過閥值均未找到,則結束檢測;如果找到,則該點即為X1,進入步驟2.7 ; 步驟2.7:在上肢圖像檢測的曲線上,以y2為中心,向左右兩側搜索過零點,如果左右兩側超過閥值均未找到,則結束檢測;如果找到,則該點即為Y1,進入步驟2.8 ; 步驟2.8:利用加權融合公式(I),求得X和y。
4.根據權利要求3所述的多角度的步態(tài)周期檢測方法,其特征在于:步驟3中,檢測腿部區(qū)域的能量變化,通過如下公式實現:
5.根據權利要求4所述的多角度的步態(tài)周期檢測方法,其特征在于A2-1ll取值為小腿高度的二分之一。
6.根據權利要求3所述的多角度的步態(tài)周期檢測方法,其特征在于:所說的閥值為3幀。
【文檔編號】G06K9/00GK103927524SQ201410172289
【公開日】2014年7月16日 申請日期:2014年4月25日 優(yōu)先權日:2014年4月25日
【發(fā)明者】王科俊, 呂卓紋, 閻濤, 唐墨 申請人:哈爾濱工程大學