基于人體重心軌跡分析的步態(tài)特征提取方法
【專利摘要】本發(fā)明公開了一種基于人體重心軌跡分析的步態(tài)特征提取方法，包括下述步驟：S1、步態(tài)檢測與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；S2、計算人體重心位置，將運動目標(biāo)運動中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡；S3、將去噪后的步態(tài)波形輸入計算機，應(yīng)用公式計算出對應(yīng)于K次諧波頻率的諧波振幅，并繪制輸出相應(yīng)的頻譜圖。本發(fā)明不僅能解決當(dāng)前提取特征方法面臨的難題，還能從復(fù)雜的步態(tài)圖像中提取出一維的步態(tài)特征向量，便于進(jìn)一步的分析、訓(xùn)練和識別。
【專利說明】基于人體重心軌跡分析的步態(tài)特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信息科學(xué)的【技術(shù)領(lǐng)域】，特別涉及一種基于人體重心軌跡分析的步態(tài)特征提取方法。
【背景技術(shù)】
[0002]目前，步態(tài)特征主要由人行走的圖像的不同幀之間的差異來表示。由于人行走過程的圖像差異主要表現(xiàn)為腿部和雙腳的變化，所以當(dāng)前的步態(tài)特征提取主要是以腿部角度和雙腳與地面角度的變化來實現(xiàn)，即使是基于整體圖像的速度、形狀、色彩等相關(guān)特征提取的步態(tài)特征，最根本的變化仍然是雙臂和雙腿的擺動引起的變化，軀干部分的變化仍然是可忽略的。
[0003]已知當(dāng)前的步態(tài)特征提取技術(shù)都基于輪廓提取技術(shù)，而輪廓極易受到行人的服飾、攜帶物和行走方向的影響，從而使提取的步態(tài)特征不能反映本質(zhì)的步態(tài)習(xí)慣。尤其當(dāng)服飾遮蓋至腿部以下時，傳統(tǒng)的特征提取方法則會完全失去識別能力。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有的步態(tài)特征提取方法易受服飾、攜帶物和行走方向影響的缺陷，本發(fā)明提出一種基于人體重心軌跡分析的步態(tài)特征提取方法，該方法不僅能解決當(dāng)前提取特征方法面臨的難題，還能從復(fù)雜的步態(tài)圖像中提取出一維的步態(tài)特征向量，便于進(jìn)一步的分析、訓(xùn)練和識別。
[0005]本發(fā)明的目的通過下述技術(shù)方案實現(xiàn):
[0006]基于人體重心軌跡分析的步態(tài)特征提取方法，包括下述步驟:
[0007]S1、步態(tài)檢測與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；
[0008]S2、計算人體重心位置，將運動目標(biāo)運動中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態(tài)特征，通過對重心軌跡進(jìn)行頻譜分析得到步態(tài)特征向量；
[0009]S3、將去噪后的步態(tài)波形輸入計算機，應(yīng)用公式計算出對應(yīng)于K次諧波頻率的諧波振幅，并繪制輸出相應(yīng)的頻譜圖；觀察并統(tǒng)計出數(shù)據(jù)庫中不同人的頻率、振幅、主要頻率等相關(guān)數(shù)據(jù)；由于行走方向會使得提取的目標(biāo)區(qū)域整體放大或縮小，引起重心坐標(biāo)呈現(xiàn)整體的放大或縮小趨勢，從而使頻譜圖的振幅呈現(xiàn)整體的放大或縮小，通過檢測頻譜圖的譜峰分布即可消除振幅幅值的影響。通過觀察、計算，找出反映步態(tài)特征的主要信號值，形成作為模式識別輸入的特征信號向量空間。
[0010]步驟SI中，采用三幀差分發(fā)將高斯濾波后的圖像轉(zhuǎn)為為二值圖，具體計算如下:
[0011]
【權(quán)利要求】
1.基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，包括下述步驟:. 51、步態(tài)檢測與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；. 52、計算人體重心位置，將運動目標(biāo)運動中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態(tài)特征，通過對重心軌跡進(jìn)行頻譜分析得到步態(tài)特征向量； . 53、將去噪后的步態(tài)波形輸入計算機，應(yīng)用公式計算出對應(yīng)于K次諧波頻率的諧波振幅,并繪制輸出相應(yīng)的頻譜圖；觀察并統(tǒng)計出數(shù)據(jù)庫中不同人的頻率、振幅、主要頻率等相關(guān)數(shù)據(jù)；由于行走方向會使得提取的目標(biāo)區(qū)域整體放大或縮小，引起重心坐標(biāo)呈現(xiàn)整體的放大或縮小趨勢，從而使頻譜圖的振幅呈現(xiàn)整體的放大或縮小，通過檢測頻譜圖的譜峰分布即可消除振幅幅值的影響，通過觀察、計算，找出反映步態(tài)特征的主要信號值，形成作為模式識別輸入的特征信號向量空間。
2.根據(jù)權(quán)要求I所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟SI中，采用三幀差分發(fā)將高斯濾波后的圖像轉(zhuǎn)為為二值圖，具體計算如下:
3.根據(jù)權(quán)要求I所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟S2中，計算人體重心位置的具體方法為:. 521、通過人體區(qū)域像素計算重心坐標(biāo)； 由于對檢測出的運動目標(biāo)區(qū)域內(nèi)部通常產(chǎn)生中空，而目標(biāo)重心的計算公式中的求和運算具有正負(fù)抵消作用，這樣一定程度上消除了中空對特征檢測的影響，因此后續(xù)的目標(biāo)特征選取為目標(biāo)的重心變化，計算如下:
4.根據(jù)權(quán)要求3所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟S2中，人體行走的步態(tài)波形是時間的連續(xù)函數(shù)x(t)，但實際上只能在有限的時間T內(nèi)收集到有限的x(t)值；把x(t)當(dāng)作以T為周期的連續(xù)函數(shù)，則可將它展開為傅立葉級數(shù)，其指數(shù)形式如下:
5.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，對主頻進(jìn)行分析，主頻成分是指高于閾值的波峰所對應(yīng)的頻段，由于重心的左右擺動和上下震蕩主要表現(xiàn)為小幅波動，所以，因人體的行走方向所形成的軌跡波動是重心軌跡波形的主要組成部分，反映在頻譜圖的最低頻段。
6.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，對主頻振幅進(jìn)行分析，主頻振幅是指各主頻成分所對應(yīng)的正弦波幅值的大??；當(dāng)人在行走過程中步態(tài)高低起伏明顯時，正側(cè)面視角下的重心軌跡波形的振幅就會較大，反映在頻譜圖上即是低頻段波峰對應(yīng)波峰幅值較大。
7.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，采用分割量化的方法對測量得到的頻譜圖進(jìn)行量化，得到可以直接進(jìn)行識別的數(shù)據(jù)特征向量；即統(tǒng)計頻譜圖在各個頻段的波峰數(shù)目，如果沒有波峰則記為O，最后統(tǒng)計得到的0、1序列即為量化得到的步態(tài)特征值；將該特征量輸入模式識別工具即可進(jìn)行識別。
【文檔編號】G06T5/00GK103679171SQ201310438809
【公開日】2014年3月26日 申請日期:2013年9月24日 優(yōu)先權(quán)日:2013年9月24日
【發(fā)明者】楊天奇, 陳欣 申請人:暨南大學(xué)