【技术实现步骤摘要】
本专利技术涉及生物特征识别领域，具体是一种基于步态三维轮廓匹配合成的视角大 幅可变步态识别方法。
技术介绍
步态识别作为一种远距离且无需对象配合的生物特征识别手段，旨在根据人们行 走的步态实现对个人身份的识别、鉴定或生理、病理及心理特征的检测。步态识别可在较低 图像质量下进行，无需识别对象的配合，识别距离较远，且难以伪装和掩藏，与传统生物特 征识别相比有明显优势。 很多情况下，要求在与被识别对象无任何交互性接触的同时，实现对个人身份的 识别和监控。一些重要的保密场所或公共场合诸如军事基地、奥运场所、高档社区、汽车站、 火车站、飞机场和停车场等，出于管理和安全的需要，必须有效识别进入人员身份，提供不 同人员的进入权限级别并且快速检测威胁，所以需要采用特定的方法来检测。远距离步态 识别技术就可以达到这类要求，它为日益复杂的公共安全问题提供了一种新的防护手段， 在公共安全领域和公安系统案件侦破中有着很大的应用前景。 当前步态识别过程中步态图像的采集主要依靠普通摄像头，得到的为二维步态图 像，对二维步态图像进行周期检测和特征提取后，可进行步态识别。 另一种方法采用多个摄像机或立体摄像机进行步态图像数据采集和三维重建，提 取三维空间下的步态特征进行步态识别。 采用二维图像进行步态识别的技术，当视角变化较大时，其识别率会大幅下降，严 重影响其在反恐、安保方面的实用性。而采用多个摄像机或立体摄像机进行三维重建的方 法，存在计算复杂，设备成本高等问题。 总之，二维视频获取和处理相对简单，但对视角大幅可变情况的处理手段有限或 ...
【技术保护点】
一种基于步态三维轮廓匹配合成的视角大幅可变步态识别方法，其特征在于，包括以下步骤：1)对单个深度摄像机采集到的彩色图像和深度图像进行基于双质心自适应匹配的运动人体检测，提取出去除背景的步态深度图像；2)对步态深度图像进行基于多曲线拟合和高斯分布信息融合的深度图像修复；3)利用修复后的步态深度图像进行步态点云提取，完成三维表面建模，得到三维步态表面模型；4)将一个步态周期内所有三维步态表面模型进行数据融合，生成一个以头部特征为核心的三维融合步态能量模型；将两个不同训练视角的三维融合步态能量模型旋转至同一视角，运用三维轮廓匹配方法完成不同视角三维融合步态能量模型表面对接，将表面对接后的三维融合步态能量模型进行三维映射旋转变换，并投影到二维空间，运用分块扫描方法完成多视角步态模糊轮廓图的提取；5)将提取的步态模糊轮廓图作为全局特征，通过典型关联分析方法融入到多视角步态子图局部特征中，构成融合的步态子图特征空间，并以此作为步态特征，运用异质进化方法完成集成分类器权向量的求解，设计出最佳效果的集成分类器，完成视角大幅可变的三维步态分类识别。
【技术特征摘要】
1. 一种基于步态三维轮廓匹配合成的视角大幅可变步态识别方法，其特征在于，包括 以下步骤： 1) 对单个深度摄像机采集到的彩色图像和深度图像进行基于双质心自适应匹配的运 动人体检测，提取出去除背景的步态深度图像； 2) 对步态深度图像进行基于多曲线拟合和高斯分布信息融合的深度图像修复； 3) 利用修复后的步态深度图像进行步态点云提取，完成三维表面建模，得到三维步态 表面模型； 4) 将一个步态周期内所有三维步态表面模型进行数据融合，生成一个以头部特征为核 心的三维融合步态能量模型；将两个不同训练视角的三维融合步态能量模型旋转至同一视 角，运用三维轮廓匹配方法完成不同视角三维融合步态能量模型表面对接，将表面对接后 的三维融合步态能量模型进行三维映射旋转变换，并投影到二维空间，运用分块扫描方法 完成多视角步态模糊轮廓图的提取； 5) 将提取的步态模糊轮廓图作为全局特征，通过典型关联分析方法融入到多视角步态 子图局部特征中，构成融合的步态子图特征空间，并以此作为步态特征，运用异质进化方法 完成集成分类器权向量的求解，设计出最佳效果的集成分类器，完成视角大幅可变的三维 步态分类识别。2. 根据权利要求1所述的方法，其特征在于，所述步骤1)中，所述去除背景的步态深度 图像具体提取过程如下： 1) 对单个深度摄像机采集到的彩色图像进行背景建模，利用帧间差异法和背景剪除法 获得去除背景的RGB人体图像； 2) 设定阈值Td，删除阀值取值范围之外的深度数据，归一化单个深度摄像机采集到的 深度图像，得到去除背景的深度粗提取前景目标图；所述阈值Td由下式确定：其中，UpyJ为自适应RGB缩放图中的人体区域点坐标； 5)利用上述匹配关系式从深度粗提取前景目标图中提取出步态深度图像。3. 根据权利要求2所述的方法，其特征在于，对步态深度图像进行基于多曲线拟合和 高斯分布信息融合的深度图像修复的具体过程为： 1) 对步态深度图像和自适应RGB缩放图进行异或运算得到待修补区域； 2) 利用待修补区域灰度值的连续性和成正态分布原理对步态深度图像进行融合迭代 修复，得到修复后的步态深度图像。4. 根据权利要求3所述的方法，其特征在于，对步态深度图像进行融合迭代修复的方 法为：其中，修复后的步态深度图像中（x，y)点的深度值为cbpth(x，y)，（cx，cy)为修复后的 步态深度图像的主点，fx，fy分别为深度摄相机在X轴和y轴上的焦距；cx，c y和fx，fy通过 张氏标定法标定得到； 2)根据上述三维空间的步态点云坐标（X，Y，Z)构建出人体的三维表面模型T :T = {(Xt，Yt，Zt) e R3, t = 1... Μ};其中，Μ为三维表面模型点云数量。6.根据权利要求5所述的方法，其特征在于，三维融合步态能量模型构建过程如下： 1) 令一个步态周期有Ν帧动态步态图，分别对Ν帧动态步态图进行三维重建，得到步态 三维模型集P = {p1，r = 1. . . Ν}, ρ1·表示步态周期内第r个三维重建模型，即步态模型； 2) 对步态三维模型集中的每一个步态模型提取头部特征数据，令提取出对应的头部特 征模型为Η = {V，r = 1. .. N}，然后计算头部特征模型的质心； 3) 选取步态三维模型集中的第一个步态模型作为参考模型，利用头部质心计算所有步 态模型与参考模型的平移变换矩阵Γ; 4) 利用平移变换矩阵计算出以头部质心为核心的三维融合步态能量模型S...
【专利技术属性】
技术研发人员：唐琎，罗坚，王富强，许天水，郝勇峰，毛芳，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。