專利名稱：采用單目視覺的三維重建來進行步態(tài)識別的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及單視角條件下步態(tài)識別方法，尤其是身份識別中基于單攝像機即單目視覺的利用三維重建人體步行軌跡來進行步態(tài)識別的方法。
背景技術(shù)：
步態(tài)識別是遠距離身份識別技術(shù)一個新興子領(lǐng)域，它是根據(jù)人走路的姿態(tài)、方式等行為特征來實現(xiàn)個體的身份識別。步態(tài)識別與以往基于生物特征的識別技術(shù)比較，具有遠距離識別、非侵犯、不易隱藏、對圖像(視頻)質(zhì)量要求低等優(yōu)點。在某些特定的場合中，無法通過交互性接觸采集到人臉、指紋和虹膜等生理特征，而步態(tài)特征可以實現(xiàn)遠距離的非接觸性的采集，因此步態(tài)特征在這類特定場合下成為了唯一可以用于身份識別的生物特征。目前，步態(tài)識別技術(shù)廣泛應(yīng)用于社會安防和反恐維穩(wěn)等領(lǐng)域，將視頻處理技術(shù)與步態(tài)識別技術(shù)結(jié)合，智能分析公眾場合下的監(jiān)控視頻，自動識別出隱藏于人群中的危險人物，并發(fā)出警報，實現(xiàn)有效預(yù)防意外事件的發(fā)生。2000年，美國國防部高級研究計劃局DARPA (Defense Advanced Research Project Agency)資助的 HID (Human Identificationat a Distance)研究計劃，集合了包括麻省理工學(xué)院等26家高校和科研機構(gòu)，進行遠距離情況下行為人的檢測和識別的研究。它的任務(wù)就是開發(fā)多模態(tài)的、大范圍的視覺檢測技術(shù)，以實現(xiàn)對人體的檢測、分類和識別，這一計劃的實施有力的推動了遠距離生物特征識別技術(shù)的研究和發(fā)展。目前用于步態(tài)識別的特征參數(shù)主要有兩類基于二維圖像平面的步態(tài)特征參數(shù)和基于三維立體空間的步態(tài)特征參數(shù)。這兩類步態(tài)特征在用于步態(tài)識別過程中表現(xiàn)出來的優(yōu)勢和問題都十分明顯?；谌梭w序列輪廓圖像提取步態(tài)特征參數(shù)是二維步態(tài)特征提取的代表性方法，Wagg 等在 2004 年第 15 期《Computer Animation and Virtual Worlds》發(fā)表的“Automated Marker less Extraction of Walking People Using Deformable ContourModels” 一文中提出了二維步態(tài)識別的四個步驟
第一步，按照固定角度放置攝像頭，對人體行走過程的視頻進行采集；第二步，對采集到的視頻進行初始化和預(yù)處理，得到一系列二維的包含人體步態(tài)信息的圖像序列；第三步，去除序列中每幀二維圖像中的背景，得到序列人體輪廓。將序列人體圖像疊加在一幀圖像中，借助于運動補償時變累積算法，建立了軸向旋轉(zhuǎn)運動及垂直震蕩運動模型，結(jié)合線性霍夫變換求出胯部、膝蓋及腳踝處的平均寬度的特征集。第四步，對得到特征集進行分類識別，確定身份信息?；诙S圖像提取步態(tài)特征參數(shù)，算法實現(xiàn)相對簡單，執(zhí)行效率較高。但是，基于二維圖像的步態(tài)特征參數(shù)受監(jiān)控攝像頭視角影響很大，這類步態(tài)特征參數(shù)會隨著視角的變化而變化，嚴重影響身份識別的準確率。對于預(yù)先設(shè)定好的世界坐標系，三維場景空間是唯一確定的，且三維場景下提的步態(tài)特征參數(shù)具有很好的視角魯棒性，消除了視角對步態(tài)識別精度的影響，減少提取的步態(tài)特征的誤差，所以三維步態(tài)識別能夠取得較高的準確率。目前，人體運動三維重建研究多采用多目相機捕獲步態(tài)數(shù)據(jù)，通過三維重建獲得的人體運動特征。明東等在申請?zhí)枮?00910068882. 4的專利“基于人體運動結(jié)構(gòu)正投影三維重建的步態(tài)識別方法”提出在Wagg的步驟三中進行人體步態(tài)的三維重建，在十一個固定攝像頭的條件下進行步態(tài)識別。人體運動的三維重建是三維空間步態(tài)特征提取過程中的關(guān)鍵步驟之一，文章將不同攝像頭采集的圖像提取人體輪廓后進行三維投影，從而利用圖像序列得到人體輪廓運動三維軌跡，提取三維軌跡特征值進行身份識別。但是，此方法對環(huán)境的要求較為苛刻，在現(xiàn)實環(huán)境中往往都是利用單攝像頭實現(xiàn)對公共環(huán)境的監(jiān)控，很難實現(xiàn)多攝像頭對同一場景的采集，因此常規(guī)基于雙目或多目視覺的步態(tài)識別方法不適用于監(jiān)控場景內(nèi)人體運動的三維重建，因此不適于公共場所的步態(tài)識別。為了減少步態(tài)識別的成本，提高步態(tài)識別的識別率。近期，如何利用在單視角下采集的單幅二維圖像實現(xiàn)三維場景的重建以進行步態(tài)識別成為研究熱點，其中代表性的方法是 Zhang 和 Troje 在 2007 年發(fā)表的文章 “3D Periodic Human Motion Reconstructionfrom 2DMotion Sequences”提出的周期性步態(tài)運動三維重建算法。該方法采用傅里葉分解構(gòu)造了人體運動的簡潔表達式，通過一組樣本來訓(xùn)練一個低維的線性模型，多幅二維圖像的數(shù)據(jù)采用最小二乘法投影到這個模型上。由于建立的低維線性模型與實際軌跡擬合較差，從而形成一個粗糙的三維模型。它實現(xiàn)了基于單目視覺的步態(tài)運動三維重建，實驗效果良好。但是該方法必須滿足一定的假設(shè)條件(I)測試樣本和訓(xùn)練樣本的攝像機角度必須 相一致；(2) 二維圖像是人體運動的一個正投影，即人行走的軌跡方向垂直于攝像機的光軸。這些嚴格的假設(shè)條件極大程度地限制了該方法在身份識別中的應(yīng)用。使得身份識別對環(huán)境的要求過大，成本過高，且識別率較低。因此，如何降低成本、精確構(gòu)建三維模型、提高步態(tài)識別率仍是本領(lǐng)域技術(shù)人員極為關(guān)注的技術(shù)問題。技術(shù)方案本發(fā)明要解決的技術(shù)問題是提出一種采用單目視覺的三維重建來進行 步態(tài)識別的方法，解決現(xiàn)有步態(tài)識別方法成本過高、模型粗糙、識別率較低的問題。構(gòu)建的三維模型在單視角條件下將步態(tài)三維軌跡重建中時間的周期性變換為空間的多維性，同時得到二維圖像法方向上的步態(tài)信息，通過獲取法方向的數(shù)據(jù)，有效提高實驗精度和識別概率，避免二維步態(tài)軌跡建立時攝像機角度對實驗結(jié)果的影響。本發(fā)明的技術(shù)方案是先標定單個攝像機，求得攝像機的內(nèi)外參數(shù)；通過單幀視頻序列對人體輪廓的跟蹤提取獲取人體二維軌跡；接著將假設(shè)的虛擬攝像機安放在在距實際攝像機Λ L處，把單視角下的多個軌跡周期轉(zhuǎn)化為多個視角下的單一運動軌跡，也就是將時間的周期性變換為空間上的多維性，從而利用單目視覺的方法完成了三維軌跡的重建；最后提取人體步態(tài)空間二維曲線中步幅、如步幅、后步幅、步聞特征值，利用支持矢量機的方法完成身份識別。本發(fā)明包括以下步驟第一步，標定單個攝像機。結(jié)合實驗場景，綜合運用基于二維平面模板和基于立體標定靶的攝像機標定方法，分步標定計算，得到攝像機的內(nèi)外參數(shù)。方法是1.1.構(gòu)建實驗場景。標定單個攝像機，使得攝像機的主軸與人體步態(tài)軌跡的夾角保持在45° -135°之間，并將立體標定靶放置于攝像機視場內(nèi)。I. 2在攝像機圖像平面上，以攝像機主軸和像平面的交點作為圖像平面坐標系的坐標原點O，以水平線與鉛直線分別為X軸和y軸，建立圖像坐標系o-xy。在空間中，以攝像機中心O。為攝像機坐標系的坐標原點，以攝像機主軸為Z。軸，以平行于X軸且通過O。的直線為攝像機坐標系軸X。，以平行于I軸且通過O。的直線為攝像機坐標系軸Y。，建立攝像機坐標系Οε-ΧεΥεΖ。。同時，根據(jù)現(xiàn)實世界的水平面確立Ow-XwYw面，根據(jù)垂直方位建立軸Zw，建立世界坐標系Ow-XwYwZw作為一個基準坐標系來描述空間點和攝像機的位置，Ow為世界坐標系的坐標原點；I. 3 利用張正友 2OOO 年在 IEEE Trans. Pattern Analysis and MachineIntelligence 第 20 期文章“A flexible new technique for camera calibration”提出的基于二維平面模板的攝像機標定方法，以二維標定靶為輸入，通過坐標變換求出攝像機的內(nèi)參數(shù)圖像坐標系原點O在攝像機坐標系中的圖像坐標(cx，cy)、焦距f與攝像機單個像元在X軸方向投影的物理尺寸fx、焦距f與攝像機單個像元在I軸方向投影的物理尺寸
fyO
I. 4 米用 Tsai 等 1987 年在 IEEE Journal of Robotics and Automation 第三期文章“A versatile camera calibration technique for high-accuracy 3D machinevision metrology using off-the-shelf TV cameras and lenses，，提出的基于立體標定靶攝像機標定方法和已求出的(cx，cy)、fx、fy，以立體標定靶為輸入得到攝像機的外參數(shù)攝像機在世界坐標系中的位置和姿態(tài)。第二步，跟蹤獲取人體步態(tài)二維軌跡。2. I運用微軟的視頻處理開發(fā)工具包Opencv的視頻處理函數(shù)，將監(jiān)控攝像頭獲取的連續(xù)人體運動視頻轉(zhuǎn)化為單幀圖像序列作為處理對象；2. 2利用劉之貴2010年在“微型機與應(yīng)用”第二期文章“復(fù)雜背景環(huán)境下運動目標的檢測算法設(shè)計”提出的背景檢測算法去除單幀圖像序列中圖像內(nèi)的背景，獲得人體運動對象。采用微軟的視頻處理開發(fā)工具包Opencv中提供的輪廓提取算法對去除背景后的人體運動對象進行處理，獲得人體整體輪廓。利用人體幾何學(xué)原理，在人體整體輪廓中識別人體輪廓中的最低點作為腳步的跟蹤點；2.3由于人體在步行過程中前后位移距離不會很大，為防止在輪廓提取時出現(xiàn)較大偏差，利用 Yizong Cheng 在 1995 年 IEEE Trans. Pattern Analysis and MachineIntelligence 第 17 期文章 “Mean shift, mode seeking, and clustering” 提出的目標跟蹤mean-shift算法預(yù)測下一巾貞圖像中人體運動對象檢測區(qū)域。2. 4根據(jù)步驟2. 2得到的單幀圖像序列中每幀圖像中人體輪廓的最低點，確定并標記最低點在攝像機圖像平面上的坐標位置，連接單幀圖像序列中每幀圖像內(nèi)的腳步跟蹤點坐標，形成人體步態(tài)二維軌跡。第三步，構(gòu)建腳踝頂點三維軌跡。為使攝像機最大限度的獲得人體步態(tài)軌跡的輪廓，將攝像機放置于人體運動方向的一側(cè)，并使得攝像機的主軸與人體步態(tài)軌跡的夾角保持在45° -135°之間，利用人體步態(tài)二維軌跡的步態(tài)周期信息，完成單視角下的多個步態(tài)軌跡周期轉(zhuǎn)化為多個視角下的單一步態(tài)軌跡。利用二維軌跡的步態(tài)周期信息構(gòu)建一臺虛擬攝像機并將假設(shè)的虛擬攝像機安放在距實體攝像機AL的位置，AL為人體步態(tài)周期平移量。然后運用多視角重建理論，重建步態(tài)中腳踝頂點的三維軌跡。方法是
3. I利用XwOwYw平面和第二步得到的人體步態(tài)二維軌跡來計算步態(tài)周期平移量AL。其中，由于一幀圖像上只有一個跟蹤點，設(shè)單幀圖像上跟蹤點的坐標為(Xi，yi)，那么單中貞圖像序列的整個序列中圖像跟蹤點的坐標值為(X1, Yi)，(X2，y2) · · · (Xi, Yi) - · · (χη，yn)，η為單幀圖像序列的幀數(shù)，η等于人體通過攝像機視場的時間t和攝像機幀率的乘積，設(shè)定滑窗大小為M個連續(xù)的坐標點，M為正整數(shù)，根據(jù)攝像頭分辨率而定，一般取攝像機圖像平面長度值的1/5，按公式一計算滑窗的質(zhì)心C(i, i+M-1) = [(X^Xw+... +Xi^1)/M, (yi+yi+1+. · · +yi+M-i)/M]公式一其中C(i，i+M_l)是以(Xyyi)為邊界的滑窗的質(zhì)心位置，記下此時滑窗質(zhì)心Gi =C(i，i+M-1)，滑窗繼續(xù)向后移動，當i = n時停止滑動。這樣，可以得到一系列質(zhì)心點G1,G2... Gn，這些點就是所要求解的周期劃分點，將它們連線得到平移量Λ L在攝像機圖像平面上的投影的長度。利用公式二計算步態(tài)周期的長度即平移量AL;AL = M' /cos Θ 公式二
AL'為Λ L在攝像機圖像平面上的投影的長度，通過量取周期劃分點兩點之間連線得到，Θ為標定攝像機時，攝像機主軸與人體步態(tài)軌跡的夾角，也即XwOwYw平面與二維軌跡的方向存在的夾角，Θ e [45° ,135° ]。3. 2通過構(gòu)建虛擬攝像機得到實際攝像機和虛擬攝像機中兩幅圖像間的極幾何約束關(guān)系，采用Sampson估計方法估計實際空間點P在實際攝像機平面圖像I上的對應(yīng)位置的點m，利用同樣方法估計P在虛擬攝像機的平面圖像I'上的對應(yīng)位置的點m'。將點m和點m'分別與實際攝像機的光心O。與虛擬攝像機的光心O'。相連，構(gòu)造出沿P點方向的兩條射線15和Ip,，兩條射線相交從而確定匕的位置，匕是重建的三維軌跡上的一點，求出單幀圖像序列中每幀圖像對應(yīng)的Pt)點，在空間中擬合這些點得到一個人體步態(tài)的空間三維曲線。第四步，運用構(gòu)建的人體步態(tài)的空間三維曲線進行身份識別。4. I由于人體步態(tài)的空間三維曲線具有周期、幅度，所以根據(jù)踝關(guān)節(jié)運動模式，利用周期性曲線的周期和幅度等，提取具有周期性運動的人體步態(tài)的空間三維曲線的步幅、iu步幅、后步幅、步聞特征；4. 2運用孫即祥2008年《現(xiàn)代模式識別》一書中提出的支持矢量機的方法對提取的步幅、前步幅、后步幅、步高特征進行步態(tài)識別。支持矢量機是從二十世紀90年代以來發(fā)展起來的一種統(tǒng)計學(xué)習(xí)方法，在解決小樣本學(xué)習(xí)、非線性及高維模式識別問題時具有較好的效果。在未知樣本較多時，局部核函數(shù)的學(xué)習(xí)能力較之全局核函數(shù)更強，所以輸入步幅、前步幅、后步幅、步高組成的特征集到局部核函數(shù)。局部核函數(shù)中σ 2表示支持矢量機方法的訓(xùn)練寬度，是減少測試誤差的主要因素，其中σ 2值分別取σ2=0. I, σ2=0. 3, σ2=0. 5,σ2=1，識別結(jié)果如表I所示。表I支持矢量機分類識別結(jié)果
I2值選取識別率 σ 2 = O. I 82. 6 σ 2 = O. 3 ~89. 8% σ 2 = O. 5 ~83. 33
Q2=I75%
取σ 2 = O. 3，識別正確率可達89. 8%，明東在申請?zhí)枮?00910068882. 4的專利“基于人體運動結(jié)構(gòu)正投影三維重建的步態(tài)識別方法”中提出的步態(tài)識別方法中十一個攝像頭的條件下的識別率也只能達到87%，充分證明了方法成本低、識別率高的優(yōu)點。采用本發(fā)明可以得到以下技術(shù)效果I、本發(fā)明既不需要通過樣本訓(xùn)練獲得三維重建模型，也不需要設(shè)定嚴格的初始條件，就能獲得較好的識別效果。2、本發(fā)明利用單個攝像頭，避免了在專利200910068882. 4中利用i^一個攝像頭情況下成本過高的問題；3、本發(fā)明通過利用步態(tài)的周期特性構(gòu)建虛擬攝像機得到三維模型，模型效果高于 Zhang和Troje構(gòu)建二維線性模型的效果；4、通過實驗檢測，本發(fā)明的步態(tài)識別的準確率高達89. 8%，高于一般的步態(tài)識別方法。所以，發(fā)明解決了一般步態(tài)識別方法成本過高、模型粗糙、識別率較低的問題，達到了較好的技術(shù)效果。


圖I是申請?zhí)枮?00910068882. 4的專利中公布的一般三維步態(tài)識別總體流程圖；圖2是本發(fā)明總體流程圖；圖3是本發(fā)明第一步建立的坐標系示意圖；圖4是本發(fā)明第三步將單視角下多個步態(tài)周期轉(zhuǎn)化為多視角下的單一步態(tài)示意圖；圖5是第三步構(gòu)建步態(tài)三維軌跡中兩個攝像機的極幾何約束圖；圖6是第三步動態(tài)周期性軌跡重建結(jié)果圖；圖7是第四步構(gòu)建的踝關(guān)節(jié)運動一般模式圖。
具體實施例方式圖I是一般三維步態(tài)識別總體流程圖。第一步，按照(0°、18°、36° . . . 180° ) 11個方向安放11臺攝像機，并獲取視頻，攝取11個方向的視頻，從而得到單幀視頻序列；第二步,跟蹤人體步態(tài)軌跡。使用Kinematics模型構(gòu)建整個人體的骨架模型,建立和向量P= Ix，y，θ17 θ2，...，θ1(ι}相關(guān)的動作估計方程，其中(x，y)是人體的位置，θ1； θ2，...，θ1(ι表示肩膀、肘、髖等十個關(guān)節(jié)的角度。動作估計方程就是用前一幀提取的步態(tài)特征來估計現(xiàn)在的動作，防止在對人體跟蹤的過程中出現(xiàn)較大偏差。第三步，三維的步態(tài)重建。正投影視圖與照相機中的坐標系存在公式二的關(guān)系
權(quán)利要求
1. 一種采用單目視覺的三維重建來進行步態(tài)識別的方法，其特征在于包括以下步驟 第一步，結(jié)合實驗場景，綜合運用基于二維平面模板和基于立體標定靶的攝像機標定方法，分步標定計算，得到攝像機的內(nèi)外參數(shù)，方法是 · 1.1.構(gòu)建實驗場景標定單個攝像機，使得攝像機的主軸與人體步態(tài)軌跡的夾角保持在45° -135°之間，并將立體標定靶放置于攝像機視場內(nèi)； I.2在攝像機圖像平面上，以攝像機主軸和像平面的交點作為圖像平面坐標系的坐標原點O，以水平線與鉛直線分別為X軸和y軸，建立圖像坐標系O-xy ;在空間中，以攝像機中心O。為攝像機坐標系的坐標原點，以攝像機主軸為Z。軸，以平行于X軸且通過O。的直線為攝像機坐標系軸X。，以平行于y軸且通過O。的直線為攝像機坐標系軸Y。，建立攝像機坐標系Oe-XcTc^ ;同時，根據(jù)現(xiàn)實世界的水平面確立Ow-XwYw面，根據(jù)垂直方位建立軸Zw，建立世界坐標系Ow-XwYwZw作為一個基準坐標系來描述空間點和攝像機的位置,Ow為世界坐標系的坐標原點； I.3利用基于二維平面模板的攝像機標定方法，以二維標定靶為輸入，通過坐標變換求出攝像機的內(nèi)參數(shù)圖像坐標系原點0在攝像機坐標系中的圖像坐標(cx, cy)、焦距f與攝像機單個像元在X軸方向投影的物理尺寸fx、焦距f與攝像機單個像元在I軸方向投影的物理尺寸fy ; ·1.4采用基于立體標定靶攝像機標定方法和(cx，cy)、fx、fy，以立體標定靶為輸入得到攝像機的外參數(shù)攝像機在世界坐標系中的位置和姿態(tài)； 第二步，跟蹤獲取人體步態(tài)二維軌跡 · 2.I運用微軟的視頻處理開發(fā)工具包Opencv的視頻處理函數(shù)，將監(jiān)控攝像頭獲取的連續(xù)人體運動視頻轉(zhuǎn)化為單幀圖像序列； ·2.2利用背景檢測算法去除單幀圖像序列中圖像內(nèi)的背景，獲得人體運動對象；采用Opencv中提供的輪廓提取算法對去除背景后的人體運動對象進行處理，獲得人體整體輪廓；利用人體幾何學(xué)原理，在人體整體輪廓中識別人體輪廓中的最低點作為腳步的跟蹤占. ·2.3利用目標跟蹤mean-shift算法預(yù)測下一幀圖像中人體運動對象檢測區(qū)域； ·2.4根據(jù)步驟2. 2得到的單幀圖像序列中每幀圖像中人體輪廓的最低點，確定并標記最低點在攝像機圖像平面上的坐標位置，連接單幀圖像序列中每幀圖像內(nèi)的腳步跟蹤點坐標，形成人體步態(tài)二維軌跡； 第三步，利用二維軌跡的步態(tài)周期信息構(gòu)建一臺虛擬攝像機，將虛擬攝像機安放在距實體攝像機AL的位置，AL為人體步態(tài)周期平移量，運用多視角重建理論重建步態(tài)中腳踝頂點的三維軌跡，方法是 · 3.I利用XwOwYw平面和第二步得到的人體步態(tài)二維軌跡來計算步態(tài)周期平移量AL，設(shè)單幀圖像上跟蹤點的坐標為(Xi，yi)，單幀圖像序列的整個序列中圖像跟蹤點的坐標值為(X1, Y1), (x2, y2)... (Xi, Yi). . . (xn, yn), n為單巾貞圖像序列的巾貞數(shù),n等于人體通過攝像機視場的時間t和攝像機幀率的乘積，設(shè)定滑窗大小為M個連續(xù)的坐標點，M為正整數(shù)，按公式一計算滑窗的質(zhì)心C(i, i+M-1) = [ (xi+xi+1+... +XiI1Vm, (yi+yi+1+. +yi+M-i) /M]公式一 其中C(i，i+M-1)是以(Xi，yi)為邊界的滑窗的質(zhì)心位置，記下此時滑窗質(zhì)心Gi = C(i，i+M-1)，滑窗繼續(xù)向后移動，當i = n時停止滑動，得到一系列質(zhì)心點G1, G2. . . Gn，這些點就是周期劃分點，將它們連線得到平移量AL在攝像機圖像平面上的投影，利用公式AL =AL' /cos 0計算步態(tài)周期平移量AL，AL'為平移量A L在攝像機圖像平面上的投影的長度，e為標定攝像機時，攝像機主軸與人體步態(tài)軌跡的夾角，e e [45° ,135° ]； ·3.2通過構(gòu)建虛擬攝像機得到實際攝像機和虛擬攝像機中兩幅圖像間的極幾何約束關(guān)系，采用Sampson估計方法估計實際空間點P在實際攝像機平面圖像I上的對應(yīng)位置的點m，利用同樣方法估計P在虛擬攝像機的平面圖像I'上的對應(yīng)位置的點m';將!!1與實際攝像機的光心O。相連，將m'與虛擬攝像機的光心0'。相連，構(gòu)造出沿P點方向的兩條射線15和Ip,，兩條射線相交從而確定匕的位置，匕是重建的三維軌跡上的一點，求出單幀圖像序列中每幀圖像對應(yīng)的Ptj點，在空間中擬合這些點得到一個人體步態(tài)的空間三維曲線； 第四步，運用構(gòu)建的人體步態(tài)的空間三維曲線進行身份識別 · 4.I根據(jù)踩關(guān)節(jié)運動|旲式，提取人體步態(tài)的空間二維曲線的步幅、如步幅、后步幅、步聞特征； ·4.2運用支持矢量機的方法對提取的步幅、如步幅、后步幅、步聞特征進行步態(tài)識別，輸入步幅、前步幅、后步幅、步高組成的特征集到局部核函數(shù)。
2.如權(quán)利要求I所述的采用單目視覺的三維重建來進行步態(tài)識別的方法，其特征在于所述m值取攝像機圖像平面長度值的1/5。
3.如權(quán)利要求I所述的采用單目視覺的三維重建來進行步態(tài)識別的方法，其特征在于所述運用支持矢量機的方法對提取的步幅、如步幅、后步幅、步聞特征進行步態(tài)識別時，取O2 = 0. 3, O 2為局部核函數(shù)中支持矢量機方法的訓(xùn)練寬度。
全文摘要
本發(fā)明公開了一種采用單目視覺的三維重建來進行步態(tài)識別的方法，目的是解決現(xiàn)有步態(tài)識別方法成本過高、模型粗糙、識別率較低的問題。技術(shù)方案是先標定單個攝像機，求得攝像機的內(nèi)外參數(shù)；通過單幀視頻序列對人體輪廓的跟蹤提取獲取人體二維軌跡；接著將假設(shè)的虛擬攝像機安放在在距實際攝像機ΔL處，把單視角下的多個軌跡周期轉(zhuǎn)化為多個視角下的單一運動軌跡，也就是將時間的周期性變換為空間上的多維性，從而利用單目視覺的方法完成了三維軌跡的重建；最后提取人體步態(tài)空間三維曲線中步幅、步高特征值，利用支持矢量機的方法完成身份識別。本發(fā)明解決了一般步態(tài)識別方法成本過高、模型粗糙、識別率較低的問題。
文檔編號G06K9/00GK102697508SQ20121012124
公開日2012年10月3日 申請日期2012年4月23日 優(yōu)先權(quán)日2012年4月23日
發(fā)明者侯金鑫, 張軍, 李國輝, 李碩豪, 來旭, 涂丹, 黃偉強, 黃魁華 申請人:中國人民解放軍國防科學(xué)技術(shù)大學(xué)