基于傅里叶描述子和步态能量图融合特征的步态识别方法

摘要

本发明涉及基于傅里叶描述子和步态能量图融合特征的步态识别方法，即：对单帧图像进行灰度化预处理，使用混合高斯模型实时更新背景，并通过背景减除法获取前景；对每帧进行二值化、形态学处理，获取运动人体的最小外接矩，并归一化至同一高度，根据最小外接矩高宽比的周期性变化获取步态周期及关键5帧；提取关键5帧傅里叶描述子的低频部分作为特征一；中心化周期内所有帧以获取步态能量图，通过主成分分析降维作为特征二；融合此两个特征后采用支持向量机进行识别。本发明能够实现对当前人行为是否异常的判定；使用混合高斯模型以确保对背景准确建模，同时具有较好的实时性；使用的融合特征具有强表征性和鲁棒性，能有效提高异常步态的识别率。

主权项

基于傅里叶描述子和步态能量图融合特征的步态识别方法，其特征是对单帧图像实时采集侧面步态视频并进行灰度化预处理，使用融合混合高斯模型实时更新背景，并通过背景减除法获取前景；对每帧进行二值化、形态学处理，获取运动人体的最小外接矩，将运动人体所在区域从图像中分割出来，并归一化至同一高度，根据最小外接矩高宽比的周期性变化获取步态周期及关键5帧；提取关键5帧傅里叶描述子的低频部分作为步态特征一；中心化周期内所有帧以获取步态能量图，通过主成分分析降维作为步态特征二；融合步态特征一和步态特征二，得到最终描述子后，采用支持向量机进行识别。