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

摘要

本发明公开了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，对单个深度摄像机采集到的彩色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，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；进行步态点云提取；将一个步态周期内所有三维步态表面模型进行数据融合，生成三维融合步态能量模型；将两个训练视角的融合步态模型旋转至同一视角，通过三维轮廓匹配完成不同视角三维步态模型表面对接，并进行多视角步态模糊轮廓数据的提取；通过融合步态模糊轮廓的步态子图像和集成分类器完成视角大幅可变的三维步态分类识别。本发明解决了当前的步态识别方法无法很好地解决视角大幅可变步态识别问题。

主权项

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；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：$\frac{P_{\min }\times 2^8}{d_{\max }-d_{\min }}\le Td\le \frac{P_{\max }\times 2^8}{d_{\max }-d_{\min }};$其中，P_min＝1500，P_max＝6500，d_max为深度图像中的最大深度值，d_min为深度图像中的最小深度值；3)计算RGB人体图像的质心和头部质心利用深度图像与彩色图像中点的坐标转换关系，得到深度粗提取前景目标图中的人体质心和头部质心将彩色图像和深度图像人体质心和头部质心间的距离比值作为人体区域缩放比，根据所述人体区域缩放比对彩色图像进行缩放，得到自适应RGB缩放图；4)计算自适应RGB缩放图中人体区域质心并由下式得到深度图像中的人体区域匹配点(x′_i,y′_i)，得到自适应RGB缩放图与深度粗提取前景目标图之间的匹配关系式：$\left\{\begin{array}{c}{x}_i^{\prime }=x_i+({\bar{x}}_{depth}^b-{\bar{x}}_s)\\ y_i^{\prime }=y_i+({\bar{y}}_{depth}^b-{\bar{y}}_s)\end{array}\right.;$其中，(x_i，y_i)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。