一種新的步態(tài)周期生成方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種步態(tài)識(shí)別技術(shù)，特別設(shè)及一種新的步態(tài)周期生成方法。
【背景技術(shù)】
[0002] 步態(tài)識(shí)別是通過(guò)人走路的姿勢(shì)實(shí)現(xiàn)對(duì)個(gè)體身份鑒別的一種生物特征識(shí)別技術(shù)。其 基本過(guò)程是；先從原始步態(tài)視頻中檢測(cè)運(yùn)動(dòng)目標(biāo)，然后計(jì)算生成步態(tài)周期，再對(duì)代表步態(tài)周 期的數(shù)據(jù)進(jìn)行特征提取，最后將特征進(jìn)行分類識(shí)別。其中，步態(tài)周期生成該一環(huán)節(jié)非常重 要，直接關(guān)系到所取得的步態(tài)周期數(shù)據(jù)是否準(zhǔn)確，是否具有代表性。生成準(zhǔn)確有效的步態(tài)周 期對(duì)后續(xù)的特征提取與分類識(shí)別有著重要的意義。
[0003] 一帖原始步態(tài)圖像無(wú)法包含足夠的步態(tài)信息，一段包含若干個(gè)步態(tài)周期的完整步 態(tài)序列雖然幾乎包括了全部的步態(tài)信息，但若取整段步態(tài)序列進(jìn)行計(jì)算則會(huì)由于大量冗余 信息的存在造成時(shí)間開(kāi)銷增大。因此步態(tài)識(shí)別普遍采用一個(gè)步態(tài)周期進(jìn)行分析。顯然，生 成準(zhǔn)確的步態(tài)周期表達(dá)對(duì)步態(tài)特征提取與分類識(shí)別有著重要的意義。
[0004] 目前，國(guó)內(nèi)外研究學(xué)者在步態(tài)周期生成方法上做了大量的研究。BenAbde化ader 等人于 2002 年在 IEEE International Conference on Automatic Face and Gesture Recognition 上發(fā)表論文"Stride and Cadence as a Biometric in Automatic Person Identification and Verification",提出利用人體輪廓的邊界矩形框?qū)挾茸兓瘉?lái)檢測(cè)步 態(tài)周期。該方法的主要缺點(diǎn)是所采用的邊界矩形框的寬度并不總是與步伐的寬度一致，導(dǎo) 致邊界寬度的周期性變化與步伐的周期性變化有時(shí)存在一定的偏差。Sarkar等人在IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHI肥 INTCLLIGENCE發(fā)表論文"Ilie HumanID Gait Qiallenge Problem:Data Sets, Performance, and Analysis",利用人體行走過(guò)程中 雙下肢面積變化規(guī)律來(lái)檢測(cè)步態(tài)周期；王科俊等人于2009年在中國(guó)圖象圖形學(xué)報(bào)發(fā)表的 論文"基于步態(tài)能量圖像和2維主成分分析的步態(tài)識(shí)別方法"中使用邊界寬高比的變化來(lái) 檢測(cè)步態(tài)周期。
[0005] 上述方法的共同之處在于使用一個(gè)步態(tài)周期的所有帖作為最終的步態(tài)周期表達(dá)。 然而現(xiàn)實(shí)中受光照變化、物體干擾、背景復(fù)雜性等因素影響，通常的運(yùn)動(dòng)檢測(cè)方法難W保證 檢測(cè)出的運(yùn)動(dòng)目標(biāo)在每個(gè)步態(tài)周期的所有帖均符合要求，即在任意步態(tài)周期都有可能出現(xiàn) 不夠理想的帖（如殘缺等）。此外，人在走路過(guò)程中隨時(shí)可能會(huì)暫時(shí)停頓或者放慢速度等， 導(dǎo)致步態(tài)序列中包含大量的重復(fù)帖。若使用該些殘缺帖或重復(fù)帖作為周期表達(dá)，將使樣本 集不能完全真實(shí)反映樣本屬性，影響識(shí)別效果。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種新的步態(tài)周期生成方 法，該步態(tài)周期生成方法能夠剔除步態(tài)序列中的殘缺帖和重復(fù)帖，利用圖像質(zhì)量好的帖生 成一個(gè)步態(tài)周期，進(jìn)而獲取更精確的步態(tài)特征，有利于提升步態(tài)檢測(cè)的結(jié)果。
[0007] 本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn)；一種新的步態(tài)周期生成方法，通過(guò)在同一 個(gè)步態(tài)序列的各個(gè)步態(tài)周期中選取圖像質(zhì)量最好的帖生成一個(gè)步態(tài)周期，所述的步態(tài)周期 生成方法包括如下步驟：
[000引步驟1 ;從待處理步態(tài)序列中檢測(cè)出各個(gè)原始步態(tài)周期；
[0009] 步驟2 ;設(shè)定最終周期表達(dá)中包含的帖數(shù)k，該帖數(shù)應(yīng)小于步驟1所得各個(gè)原始步 態(tài)周期中包含帖數(shù)的最小值；
[0010] 步驟3 ;根據(jù)步驟2設(shè)定的帖數(shù)，等間隔地從每個(gè)原始步態(tài)周期中抽取出k帖作為 此周期的代表帖；
[0011] 步驟4;定義步態(tài)帖圖像的質(zhì)量評(píng)判標(biāo)準(zhǔn)，并對(duì)由步驟3獲得的所有代表帖計(jì)算其 質(zhì)量系數(shù)；
[0012] 步驟5;對(duì)于所有步態(tài)周期中相同位置上的代表帖，選取圖像質(zhì)量最好的帖作為 該位置的最優(yōu)帖，各個(gè)位置的最優(yōu)帖構(gòu)成最終的步態(tài)周期表達(dá)。
[0013] 所述步驟1中可根據(jù)步伐寬度的周期性變化來(lái)檢測(cè)各個(gè)原始步態(tài)周期，相鄰兩個(gè) 步伐寬度極大值或極小值間所包含的帖為半個(gè)周期，連續(xù)兩個(gè)半周期構(gòu)成一個(gè)步態(tài)周期。
[0014] 所述步驟2中設(shè)定的數(shù)值應(yīng)比步驟1中計(jì)算的各個(gè)原始步態(tài)周期包含帖數(shù)的最小 值要小，并且此數(shù)值須為4的整數(shù)倍。
[0015] 所述步驟3中W四分之一步態(tài)周期作為基本單元，用步驟2中設(shè)定數(shù)值的四分之 一等間隔劃分每個(gè)基本單元，選取離等分點(diǎn)最近的帖作為所在基本單元在該位置上的代表 帖，相鄰四個(gè)基本單元的代表帖即構(gòu)成一個(gè)完整步態(tài)周期的表達(dá)。
[0016] 所述步驟4中表征步態(tài)帖圖像質(zhì)量好壞的質(zhì)量系數(shù)是該帖與其所在位置的平均 帖的相關(guān)系數(shù)，相關(guān)系數(shù)越大，則該帖質(zhì)量越好；平均帖通過(guò)對(duì)各周期中處在相同位置的代 表帖求平均值獲得。
[0017] 所述步驟5中根據(jù)步驟4定義的帖圖像質(zhì)量評(píng)判標(biāo)準(zhǔn)，比較步態(tài)序列中所有步態(tài) 周期在對(duì)應(yīng)位置的帖的質(zhì)量水平，選取其中圖像質(zhì)量最好的帖作為該位置的最優(yōu)帖，所有 對(duì)應(yīng)位置上的最優(yōu)帖構(gòu)成該步態(tài)序列生成的最終步態(tài)周期表達(dá)。
[0018] 所述步驟5中的位置是指某代表帖在當(dāng)前周期k個(gè)代表帖中的序號(hào)。
[0019] 本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果：
[0020] 本發(fā)明針對(duì)包含殘缺帖和重復(fù)帖的步態(tài)序列的步態(tài)周期生成問(wèn)題，克服現(xiàn)有技術(shù) 的缺點(diǎn)和不足，充分利用步態(tài)序列中所有步態(tài)周期的信息生成更加準(zhǔn)確的步態(tài)周期表達(dá)。 本發(fā)明消除了各個(gè)步態(tài)周期中不符合質(zhì)量要求的帖的影響，最大限度地利用了各個(gè)周期中 較理想帖，從而使最終生成的步態(tài)周期表達(dá)能更加準(zhǔn)確地反映實(shí)際情況。本發(fā)明不僅可消 除由運(yùn)動(dòng)目標(biāo)變速或者停頓等情況帶來(lái)的影響，還可減少數(shù)據(jù)冗余和計(jì)算量，提高準(zhǔn)確度， 有利于提升步態(tài)檢測(cè)的結(jié)果。
【附圖說(shuō)明】
[0021] 圖1是本發(fā)明的流程框圖。
[0022] 圖2是一段包含重復(fù)帖和缺陷帖的原始步態(tài)序列。
[0023] 圖3是從原始步態(tài)序列檢測(cè)出的3個(gè)原始周期。