基于人體hog特征的步態(tài)能量圖獲取及身份識別方法
【技術領域】
[0001] 本發(fā)明屬于計算機視覺技術領域，具體地說，是基于人體HOG(Histogramof OrientedGradient，方向梯度直方圖）特征的步態(tài)能量圖獲取方法及基于步態(tài)能量圖實現 身份識別的方法。
【背景技術】
[0002] 隨著各國對公共場合下安全水平提高的需要及視頻監(jiān)控技術的廣泛推廣，智能監(jiān) 控成為了計算機視覺中一個非常活躍的領域。在智能監(jiān)控中，遠距離識別監(jiān)控場景中的人 體身份是一個充滿挑戰(zhàn)且又很有應用前景的方向，因此，它同時具備了科研及商業(yè)價值，對 其進行深入的研宄具有理論及現實意義。根據醫(yī)學和心理學等學科的研宄表明：人可以感 知步態(tài)，并可以通過步態(tài)進行人的身份識別。步態(tài)識別作為一種新興的生物特征識別方法， 可以通過個人行走的姿態(tài)來對個人的身份進行識別，它具有遠距離識別、不可侵犯性、難以 隱蔽并且采集裝置簡單等優(yōu)點。步態(tài)識別所具有的這些優(yōu)點，是指紋、虹膜、人臉、DNA等其 他生物特征識別方法無法比擬的，因而，步態(tài)識別引起了模式識別研宄者和計算機視覺研 宄者的廣泛關注。
[0003] 目前已有的步態(tài)識別算法，可以歸為兩大類，即基于模型（model-based)的方法 和基于非模型（model-free)的方法?；谀Ｐ偷姆椒ㄍǔＲ蠛芨撸茈y實現好的結果， 在最近的幾年里，基于非模型的方法顯示出優(yōu)越的表現?；诜悄Ｐ偷姆椒ㄊ侵苯訉θ梭w 步態(tài)視頻圖像序列進行分析而不需要預先假定任何特定的模型，其主要的方法有隱馬爾可 夫模型（HMM)、Radon變換、動態(tài)和靜態(tài)的側影輪廓模板及步態(tài)能量圖識別方法。其中，步態(tài) 能量圖（GaitEngeryImage,GEI)識別方法是以步態(tài)能量圖作為識別特征，對人體身份進 行識別。步態(tài)能量圖識別方法因特征提取簡單、能很好地表現步態(tài)的速度及形態(tài)等，得到廣 泛關注。
[0004] 步態(tài)能量圖作為步態(tài)能量圖識別方法中的識別特征，直接影響人體身份識別的精 度?，F有步態(tài)能量圖的獲取方法是將步態(tài)特征考慮成一系列的側影輪廓圖像，然后把這些 側影輪廓圖像直接加權后求平均。采用該方法能夠將整個人體的行走運動展現在一張圖 片上，使得步態(tài)能量圖不僅包含人行走時的所有特征，而且減少了存儲空間和計算時間，同 時還降低了對每一幀側影圖像噪聲的敏感性。但是，由于現有步態(tài)能量圖需要將側影輪廓 圖像相加再進行平均化，丟失了許多有用的信息；另一方面，由于每幀提取的是二值化側影 圖像，它只能捕獲人體輪廓的邊界信息，側影的內部信息被完全的丟棄掉，因而，使得現有 步態(tài)能量圖難以完整反映人體行走特征，進而影響了基于步態(tài)能量圖識別人體身份的準確 度。

【發(fā)明內容】

[0005] 本發(fā)明的目的之一是提供一種基于人體HOG特征的步態(tài)能量圖獲取方法，以解決 現有步態(tài)能量圖不能完整反映人體行走特征的問題。
[0006] 為實現該發(fā)明目的，本發(fā)明提供的步態(tài)能量圖獲取方法采用下述技術方案來實 現：
[0007] -種基于人體HOG特征的步態(tài)能量圖獲取方法，所述方法包括：
[0008] 步驟1 :對人體步態(tài)視頻圖像序列中的每幀圖像進行前景分割，提取人體側像圖；
[0009] 步驟2 :將人體側像圖模板化，獲得模板化側像圖；
[0010] 步驟3 :利用設定的根窗口和部位窗口從模板化側像圖中分別檢測出人體輪廓和 人體部位，并將部位窗口相對于根窗口的位置記為xf;
[0011] 步驟4 :計算每幀模板化側像圖中人體輪廓的HOG特征描述符A；?和人體部位的 HOG特征描述符< ;
[0012] 步驟5 :將人體步態(tài)視頻圖像序列中所有人體輪廓的HOG特征描述符~相加求平 均值，獲得人體輪廓的HOG特征的步態(tài)能量圖將人體步態(tài)視頻圖像序列中同一人體部 位的所有HOG特征描述符 < 相加求平均值，獲得相應人體部位HOG特征的步態(tài)能量圖Hk; 將人體步態(tài)視頻圖像序列中同一部位窗口相對于根窗口的所有位置相加求平均值，獲得相 應部位窗口相對于根窗口的總位置Xk;
[0013] 步驟6 :將人體輪廓HOG特征的步態(tài)能量圖ff、人體部位HOG特征的步態(tài)能量圖Hk 和部位窗口相對于根窗口的總位置Xk組合，形成人體HOG步態(tài)能量圖特征向量，從而獲取 基于人體HOG特征的步態(tài)能量圖；
[0014] 其中，t表示人體步態(tài)視頻圖像序列中的第t幀圖像，r表示所述根窗口，k表示部 位窗口，kG{Pl，. . .，Pl}，Pl表示第1個部位窗口，1為部位窗口的個數。
[0015] 如上所述的方法，在所述步驟1中，采用自然圖像摳圖方法對人體步態(tài)視頻圖像 序列中的每幀圖像進行前景分割。
[0016] 如上所述的方法，在所述步驟4中，計算每幀模板化側像圖中人體輪廓的HOG特征 描述符 <，具體包括：
[0017] 步驟411 :計算每幀模板化側像圖中每個像素點的梯度幅值及梯度方向；
[0018] 步驟412 :將模板化側像圖劃分成多個單元，將每個單元內像素點的梯度方向范 圍均分成多個指定方向，根據像素點的梯度幅值及梯度方向計算每個指定方向對應的指定 幅值；每個單元的所有指定方向與對應的指定幅值形成該單元的HOG特征描述符；
[0019] 步驟413 :將相鄰的多個單元組成一個塊，將一個塊內所有單元的HOG特征描述符 串聯，形成該塊的HOG特征描述符；
[0020] 步驟414 :將模板化側像圖中所有塊的HOG特征描述符串聯起來，形成該模板化側 像圖人體輪廓的HOG特征描述符Zz,';
[0021 ] 計算每幀模板化側像圖中人體部位的HOG特征描述符Af，具體包括：
[0022] 步驟421 :計算每幀模板化側像中檢測出的人體部位所在圖像所包含的每個像素 點的梯度幅值及梯度方向；
[0023] 步驟422 :將人體部位所在圖像劃分成多個單元，將每個單元內像素點的梯度方 向范圍均分成多個指定方向，根據像素點的梯度幅值及梯度方向計算每個指定方向對應的 指定幅值；每個單元的所有指定方向與對應的指定幅值形成該單元的HOG特征描述符；
[0024] 步驟423 :將相鄰的多個單元組成一個塊，將一個塊內所有單元的HOG特征描述符 串聯，形成該塊的HOG特征描述符；
[0025] 步驟424 :將人體部位對應的圖像中所有塊的HOG特征描述符串聯起來，形成該模 板化側像圖中該人體部位的HOG特征描述符Af。
[0026] 本發(fā)明的目的之二是提供一種身份識別方法，以提高身份識別的準確度。
[0027] 為實現上述發(fā)明目的，本發(fā)明提供的身份識別方法采用下述技術方案予以實現：
[0028] 一種身份識別方法，其特征在于，所述方法包括：
[0029] 步驟a:將待識別身份的人體步態(tài)視頻圖像序列作為測試樣本，按照上述的基于 人體HOG特征的步態(tài)能量圖獲取方法獲取測試樣本的HOG步態(tài)能量圖特征向量；
[0030] 步驟b:將測試樣本的HOG步態(tài)能量圖特征向量向利用訓練樣本訓練的特征空間 投影，獲得測試特征樣本；
[0031] 步驟C:利用分類器識別測試特征樣本，進而識別出測試樣本的身份；
[0032] 其中，特征空間通過下述方法獲得：
[0033] 步驟bl:選取多個人體步態(tài)視頻圖像序列構成訓練樣本集，訓練樣本集中的每個 人體步態(tài)視頻圖像序列作為一個訓練樣本，按照上述的基于人體HOG特征的步態(tài)能量圖獲 取方法獲取每個訓練樣本的HOG步態(tài)能量圖特征向量；
[0034] 步驟b2:將所有訓練樣本的HOG步態(tài)能量圖特征向量構成矩陣并降維，獲得特征 空間；
[0035] 分類器通過下述方法構建：
[0036] 步驟Cl:選取多個身份已知的人體步態(tài)視頻圖像序列構成注冊樣本集，注冊樣本 集中的每個人體步態(tài)視頻圖像序列作為一個注冊樣本，按照上述的基于人體HOG特征的步 態(tài)能量圖獲取方法獲取每個注冊樣本的HOG步態(tài)能量圖特征向量；
[0037] 步驟c2 :將注冊樣本的HOG步態(tài)能量圖特征向量向特征空間投影，獲得注冊特征 樣本；
[0038] 步驟c3 :利用注冊特征樣本及已知所對應的身份構建分類器。
[0039] 如上所述的身份識別方法，在所述步驟b2中，采用PCA和LDA方法對所有訓練樣 本的HOG步態(tài)能量圖特征向量構成的矩陣降維，獲得特征空間。
[0040] 如上所述的身份識別方法，在所述步驟C3中，采用支持向量機構建分類器。
[0041]與現有技術相比，本發(fā)明的優(yōu)點和積極效果是：本發(fā)明通過檢測人體步態(tài)周期內 每幀側像圖的人體輪廓及人體部位、提取人體輪廓和人體部位的HOG特征，形成基于人體 輪廓和人體部位HOG特征的步態(tài)能量圖，進而獲取基于人體HOG特征的步態(tài)能量圖，從而， 該步態(tài)能量圖不僅包括了人體輪廓的邊界信息，也包括了人體側像圖中的內部信息，能夠 完整、充分地反映人體行走步態(tài)特征；基于該步態(tài)能量圖識別人體身份，識別精度和準確率 尚。
[0042] 結合附圖閱讀本發(fā)明的【具體實施方式】后，本發(fā)明的其他特點和優(yōu)點將變得更加清 楚。
【附圖說明】
[0043] 圖1是本發(fā)明基于人體HOG特征的步態(tài)能量圖獲取方法一個實施例的流程圖；
[0044] 圖2是本發(fā)明身份識別方法一個實施例的流程圖。
【具體實施方式】
[0045] 為了使本發(fā)明的目的、技術方