一種步態(tài)輪廓提取方法
【專利說明】
[0001]技術領域:
本發(fā)明涉及步態(tài)輪廓提取技術領域，具體涉及一種步態(tài)輪廓提取方法。
[0002]【背景技術】:
計算機視覺是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，用計算機來代替大腦完成處理和解釋；計算機視覺的最終研宄目標就是使計算機能像人那樣通過視覺觀察和理解世界，具有自主適應環(huán)境的能力。
[0003]步態(tài)特征識別與其它生物特征識別技術(如人臉、虹膜、指紋等)不同，步態(tài)是人的外在的、動態(tài)的表現，且和時空密切聯系，同時，與基于靜態(tài)特征的其它生物識別技術相比，步態(tài)識別具有非接觸性、非侵入性和難隱藏性等顯著的優(yōu)勢，這些優(yōu)勢使得它在智能監(jiān)控領域具有很大的應用價值。
[0004]目前計算機速度以及存儲容量在不斷的提高，攝像設備在很多區(qū)域被安裝使用，隨著世界安全形勢的日益嚴峻、社會安全意識的日益覺醒，步態(tài)識別的研宄將會滲透人們日常生活的各個領域，而這種遠距離身份識別可以與任何一種靜態(tài)近距離身份識別技術相融合。
[0005]現有的步態(tài)輪廓提取方法限制了演化曲線分割的圖像中同一灰度，并使不同的圖像信息分別在不同的區(qū)域內，影響了步態(tài)輪廓提取的效果。
[0006]
【發(fā)明內容】
:
本發(fā)明的目的是提供一種步態(tài)輪廓提取方法，它對圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結合，提高了步態(tài)輪廓的清晰度和可辨別性。
[0007]為了解決【背景技術】所存在的問題，本發(fā)明是采用以下技術方案:它的提取方法為:將水平集函數在一個時空離散的網格中表示，先構造SDF函數，以此初始化歸零，在求解偏微分方程的數值解，最后通過曲線的符號距離函數重新初始化，并判定數值是否穩(wěn)定，如果是停止迭代，否則重復上述過程。
[0008]本發(fā)明的原理為:采用的是以CV模型為基礎，將圖像的邊緣和區(qū)域信息相結合的一種新的變分水平集模型；對于外部能量項，在保留原有的CV模型能量項的基礎上，加入了分割前后圖像的梯度值，可以得到新的模型函數。
[0009]本發(fā)明對圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結合，提高了步態(tài)輪廓的清晰度和可辨別性。
[0010]【具體實施方式】:
本【具體實施方式】采用以下技術方案:它的提取方法為:將水平集函數在一個時空離散的網格中表示，先構造SDF函數，以此初始化歸零，在求解偏微分方程的數值解，最后通過曲線的符號距離函數重新初始化，并判定數值是否穩(wěn)定，如果是停止迭代，否則重復上述過程。
[0011]本【具體實施方式】的原理為:采用的是以CV模型為基礎，將圖像的邊緣和區(qū)域信息相結合的一種新的變分水平集模型；對于外部能量項，在保留原有的CV模型能量項的基礎上，加入了分割前后圖像的梯度值，可以得到新的模型函數。
[0012]本【具體實施方式】對圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結合，提高了步態(tài)輪廓的清晰度和可辨別性。
【主權項】
1.一種步態(tài)輪廓提取方法，其特征在于它的提取方法為:將水平集函數在一個時空離散的網格中表示，先構造SDF函數，以此初始化歸零，在求解偏微分方程的數值解，最后通過曲線的符號距離函數重新初始化，并判定數值是否穩(wěn)定，如果是停止迭代，否則重復上述過程。2.一種步態(tài)輪廓提取方法，其特征在于它的原理為:采用的是以CV模型為基礎，將圖像的邊緣和區(qū)域信息相結合的一種新的變分水平集模型；對于外部能量項，在保留原有的CV模型能量項的基礎上，加入了分割前后圖像的梯度值，可以得到新的模型函數。
【專利摘要】一種步態(tài)輪廓提取方法，它涉及步態(tài)輪廓提取技術領域，它的提取方法為：將水平集函數在一個時空離散的網格中表示，先構造SDF函數，以此初始化歸零，在求解偏微分方程的數值解，最后通過曲線的符號距離函數重新初始化，并判定數值是否穩(wěn)定，如果是停止迭代，否則重復上述過程。它對圖像邊界具有較好的局域化效果，將圖像的邊緣和區(qū)域信息相結合，提高了步態(tài)輪廓的清晰度和可辨別性。
【IPC分類】G06K9/00, G06K9/46
【公開號】CN104951759
【申請?zhí)枴緾N201510321552
【發(fā)明人】不公告發(fā)明人
【申請人】合肥市徽騰網絡科技有限公司
【公開日】2015年9月30日
【申請日】2015年6月12日