一种应用于科技服务领域的对象智能匹配方法组成比例

本申请适用于科技服务技术领域，提供了一种应用于科技服务领域的对象智能匹配方法，包括：确定待识别图像序列的各个图像帧对应的行人轮廓图像；基于行人轮廓图像确定图像帧中的行人的步态能量图像；步态能量图像用于描述步态的时空特征；采用预设滤波器组对步态能量图像进行滤波处理，基于滤波处理后的步态能量图像确定行人的步态特征向量；预设滤波器组包括n

An object intelligent matching method applied in the field of scientific and technological services

【技术实现步骤摘要】
一种应用于科技服务领域的对象智能匹配方法


[0001]本申请属于科技服务
，尤其涉及一种应用于科技服务领域的对象智能匹配方法。

技术介绍

[0002]科技服务领域中通常会涉及到对科技服务对象的身份识别，通过身份识别可以实现对科技服务对象的智能管理或追踪等。科技服务对象通常指使用科技服务产品的对象，科技服务对象通常是人。人的很多生物特征，例如指纹、人脸、虹膜及步态等，由于具有唯一性，因此可以用于识别人的身份。
[0003]其中，步态用于描述一个人正常行走的方式，由于步态的结构和动力学特征因人而异，因此步态可以用于区分人的身份。与其他生物特征识别不同，步态识别是非侵入性的，即不需要被识别对象的主动配合，且步态很难伪装；此外，步态识别对摄像机的分辨率以及人与摄像机之间的距离要求不高，因此，近年来，步态识别被广泛应用在科技服务对象的身份识别和身份匹配中。
[0004]然而，步态容易受人的各种内在因素（如醉酒）或外在因素（如鞋子舒适度）的影响，导致实际应用中的步态识别经常存在误判情况，因此，步态识别应用于科技服务领域进行科技服务对象的匹配时会降低对象匹配的鲁棒性。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种应用于科技服务领域的对象智能匹配方法，以解决现有的步态识别导致对象匹配的准确度较低的技术问题。
[0006]第一方面，本申请实施例提供一种应用于科技服务领域的对象智能匹配方法，包括：确定待识别图像序列的各个图像帧对应的行人轮廓图像；基于所述行人轮廓图像确定所述图像帧中的行人的步态能量图像；所述步态能量图像用于描述步态的时空特征；采用预设滤波器组对所述步态能量图像进行滤波处理，基于滤波处理后的所述步态能量图像确定所述行人的步态特征向量；所述预设滤波器组包括n
×
m个线性滤波器，每行所述线性滤波器的方向不同，每列所述线性滤波器的尺度不同，n和m均为正整数；将所述步态特征向量导入预设科技服务对象识别模型中，得到所述行人与预设科技服务对象的匹配结果；所述预设科技服务对象识别模型是基于步态样本集对支持向量机模型进行训练得到的，所述步态样本集包括多个已标记了与所述预设科技服务对象的匹配结果的步态特征样本向量。
[0007]在第一方面的一种可选的实现方式中，所述基于所述行人轮廓图像确定所述图像帧中的行人的步态能量图像，包括：根据所述行人轮廓图像确定所述行人的步态周期；
基于所述步态周期将所有所述行人轮廓图像划分为多个轮廓序列分片，并将每个所述轮廓序列分片包含的所有行人轮廓图像进行融合，得到每个所述轮廓序列分片对应的轮廓融合图像；根据所有所述轮廓序列分片各自对应的轮廓融合图像，确定所述行人的步态能量图像。
[0008]在第一方面的一种可选的实现方式中，所述根据所述行人轮廓图像确定所述行人的步态周期，包括：确定由所有所述行人轮廓图像组成的轮廓图序列对应的自相关函数；对所述自相关函数进行傅里叶变换，得到所述轮廓图序列对应的频域特征信号；确定所述频域特征信号的每相邻两个峰值之间的间隔时长；将所有所述间隔时长的平均值确定为所述行人的步态周期。
[0009]在第一方面的一种可选的实现方式中，所述采用预设滤波器组对所述步态能量图像进行滤波处理，基于滤波处理后的所述步态能量图像确定所述行人的步态特征向量，包括：将所述步态能量图像分别与所述n
×
m个线性滤波器进行卷积操作，得到n
×
m个待处理特征图像；针对每个所述待处理特征图像，采用多个半径不同的模糊局部三值模式算子分别对所述待处理特征图像进行编码，得到所述待处理特征图像对应的多个编码图像，根据所述待处理特征图像对应的所有编码图像确定所述待处理特征图像的直方图；根据所有所述待处理特征图像的直方图，确定所述步态特征向量。
[0010]在第一方面的一种可选的实现方式中，所述采用多个半径不同的模糊局部三值模式算子分别对所述待处理特征图像进行编码，得到所述待处理特征图像对应的多个编码图像，根据所述待处理特征图像对应的所有编码图像确定所述待处理特征图像的直方图，包括：采用模糊局部三值模式算子对所述待处理特征图像中的每个像素的邻域像素进行三值化编码，得到每个所述像素对应的邻域三值化图像；所述模糊局部三值模式算子通过以下公式表示：；其中，m1(n)表示所述待处理特征图像中每个像素的第n个邻域像素的三值化编码，p
c
表示所述待处理特征图像中的任意一个像素，p
n
表示所述待处理特征图像中任意一个像素的第n个邻域像素，T表示预设程度阈值；基于所述待处理特征图像中每个像素的所述邻域三值化图像生成每个像素对应的第一二值化图像和第二二值化图像，并确定所述第一二值化图像对应的第一权重系数和所述第二二值化图像对应的第二权重系数；将所述待处理特征图像中每个像素的所述第一二值化图像和所述第二二值化图像分别与预设邻域指数算子进行卷积操作，得到每个所述像素的第一二值化图像和第二二
值化图像各自对应的二值系数，并将每个所述像素的所述第一二值化图像和所述第二二值化图像各自对应的二值系数的加权和确定为所述像素的目标二值；基于所述待处理特征图像中所有所述像素的目标二值得到所述待处理特征图像的编码图像；将采用不同模糊局部三值模式算子得到的所述待处理特征图像的所有编码图像进行加法运算，得到待处理特征图像的直方图。
[0011]在第一方面的一种可选的实现方式中，所述基于所述待处理特征图像中每个像素的所述邻域三值化图像生成每个像素对应的第一二值化图像和第二二值化图像，并确定所述第一二值化图像对应的第一权重系数和所述第二二值化图像对应的第二权重系数，包括：针对所述待处理特征图像像中的每个像素，将所述像素的邻域三值化图像中非0且非1的数值设置为1，得到所述像素的第一二值化图像；并将所述像素的邻域三值化图像中非0且非1的数值设置为0，得到所述像素的第二二值化图像；将所述像素的邻域三值化图像中非0且非1的数值确定为第一权重系数，并将1与所述第一权重系数的差值确定为第二权重系数。
[0012]第二方面，本申请实施例提供一种计算机设备，包括：第一确定单元，用于确定待识别图像序列的各个图像帧对应的行人轮廓图像；第二确定单元，用于基于所述行人轮廓图像确定所述图像帧中的行人的步态能量图像；所述步态能量图像用于描述步态的时空特征；特征处理单元，采用预设滤波器组对所述步态能量图像进行滤波处理，基于滤波处理后的所述步态能量图像确定所述行人的步态特征向量；所述预设滤波器组包括n
×
m个线性滤波器，每行所述线性滤波器的方向不同，每列所述线性滤波器的尺度不同，n和m均为正整数；对象匹配单元，用于将所述步态特征向量导入预设科技服务对象识别模型中，得到所述行人与预设科技服务对象的匹配结果；所述预设科技服务对象识别模型是基于步态样本集对支持向量机模型进行训练得到的，所述步态样本集包括多个已标记了与所述预设科技服务对象的匹配结果的步态特征样本向量。
[0013]第三方面，本申请实施例提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于科技服务领域的对象智能匹配方法，其特征在于，包括：确定待识别图像序列的各个图像帧对应的行人轮廓图像；基于所述行人轮廓图像确定所述图像帧中的行人的步态能量图像；所述步态能量图像用于描述步态的时空特征；采用预设滤波器组对所述步态能量图像进行滤波处理，基于滤波处理后的所述步态能量图像确定所述行人的步态特征向量；所述预设滤波器组包括n
×
m个线性滤波器，每行所述线性滤波器的方向不同，每列所述线性滤波器的尺度不同，n和m均为正整数；将所述步态特征向量导入预设科技服务对象识别模型中，得到所述行人与预设科技服务对象的匹配结果；所述预设科技服务对象识别模型是基于步态样本集对支持向量机模型进行训练得到的，所述步态样本集包括多个已标记了与所述预设科技服务对象的匹配结果的步态特征样本向量。2.根据权利要求1所述的对象智能匹配方法，其特征在于，所述基于所述行人轮廓图像确定所述图像帧中的行人的步态能量图像，包括：根据所述行人轮廓图像确定所述行人的步态周期；基于所述步态周期将所有所述行人轮廓图像划分为多个轮廓序列分片，并将每个所述轮廓序列分片包含的所有行人轮廓图像进行融合，得到每个所述轮廓序列分片对应的轮廓融合图像；根据所有所述轮廓序列分片各自对应的轮廓融合图像，确定所述行人的步态能量图像。3.根据权利要求2所述的对象智能匹配方法，其特征在于，所述根据所述行人轮廓图像确定所述行人的步态周期，包括：确定由所有所述行人轮廓图像组成的轮廓图序列对应的自相关函数；对所述自相关函数进行傅里叶变换，得到所述轮廓图序列对应的频域特征信号；确定所述频域特征信号的每相邻两个峰值之间的间隔时长；将所有所述间隔时长的平均值确定为所述行人的步态周期。4.根据权利要求1所述的对象智能匹配方法，其特征在于，所述采用预设滤波器组对所述步态能量图像进行滤波处理，基于滤波处理后的所述步态能量图像确定所述行人的步态特征向量，包括：将所述步态能量图像分别与所述n
×
m个线性滤波器进行卷积操作，得到n
×
m个待处理特征图像；针对每个所述待处理特征图像，采用多个半径不同的模糊局部三值模式算子分别对所述待处理特征图像进行编码，得到所述待处理特征图像对应的多个编码图像，根据所述待处理特征图像对应的所有编码图像确定所述待处理特征图像的直方图；根据所有所述待处理特征图像的直方图，确定所述步态特征向量。5.根据权利要求4所述的对象智能匹配方法，其特征在于，所述采用多个半径不同的模糊局部三值模式算子分别对所述待处理特征图像进行编码，得到所述待处理特征图像对应的多个编码图像，根据所述待处理特征图像对应的所有编码图像确定所述待处理特征图像的直方图，包括：采用模糊局部三值模式算子对所述待处理特征图像中的每个像素的邻域像素进行三
值化编码，得到每个所述像素对应的邻域三值化图像；所述模糊局部三值模式算子通过以下公式表示：；其中，m1(n)表示所述待处理特征图像中每个像素的第n个邻域像素的三值化编码，p
c
表示所述待处理特征图像中的任意一个像素，p
n<...

【专利技术属性】
技术研发人员：周凡，苏航，刘海亮，汤武惊，张怡，
申请(专利权)人：中山大学，
类型：发明
国别省市：