融合步态光流图和头肩均值形状的远距离身份验证方法

摘要

本发明属于模式识别领域，具体涉及一种融合步态光流图和头肩均值形状的远距离身份识别方法。该方法的步骤包括：预处理，估计行走方向并确定视角，建立步态的动态特征分类器，建立步态的静态特征分类器，在匹配层根据乘积规则融合动态特征分类器和静态特征分类器的相似度，得出决策信息。本发明引入视角作为分类器的准则，解决了步态识别受视角影响大的问题；利用Lacus-Kanade光流法计算相邻两帧侧影图像间的光流场，提高了算法的实时处理能力；融合步态的动态信息和静态信息，提高了方法的可分性，改善了识别性能。

主权项

一种融合步态光流图（LK‑GFI）和头肩均值形状（HS‑PMS）的步态识别方法，其特征在于，该方法包括以下几个步骤：步骤1，对原始步态序列进行预处理，包括：运动目标分割，形态学处理，侧影图像归一化，以及步态周期提取；步骤2，估计行走方向，并确定视角，包括：建立相机坐标系和图像平面坐标系：以垂直于相机光轴的方向为x轴（向左为正），以平行于相机光轴的方向为y轴（向相机方向为正），以相机正前方5米处为原点，建立相机坐标系；以图像左上角为原点，以水平方向为x轴（向右为正），以竖直方向为y轴（向下为正），建立图像平面坐标系；设定行人沿着光轴靠近相机行走时的视角为0°，方向角度沿着顺时针逐渐增大，当行人平行于相机从场景的右侧走向左侧时，视角为90°，在相机坐标系中将视角按象限分为以下4个类别：类别一：行人从场景的右侧走向左侧，且逐渐靠近或平行于相机；类别二：行人从场景的右侧走向左侧，且逐渐远离相机，或沿着光轴远离相机；类别三：行人从场景的左侧走向右侧，且逐渐远离或平行于相机；类别四：行人从场景的左侧走向右侧，且逐渐靠近相机，或沿着光轴靠近相机；按下式分别计算4个类别中行人的行走方向： θ | arctan f × ( h b - h e ) h b × x e - h e × x b | 其中，xb、xe分别为图像坐标系中行人在单个步态周期内的起始位置和终止位置的横坐标，hb、he分别为这两个位置图像侧影的高度；θ为相机坐标系中行人的行走方向与水平方向所成的不大于90°的正角，α为行人的行走方向与纵轴正向的夹角；f为相机焦距；4个类别中，α与θ的关系如下：类别一，hb≤he,xb＞xe，α＝90°‑θ；类别二，hb＞he,xb≥xe，α＝90°+θ；类别三，hb≥he,xb＜xe，α＝270°‑θ；类别四：hb＜he,xb≤xe，α＝270°+θ；由α确定视角：在相机坐标系中将行走方向范围分成21个区域，始端区域为0°~9°，终端区域为351°~360°，中间区域的宽度均为18°，依次为9°~27°，27°~45°，……，333°~351°；当α属于始端区域时，视角为0°，当α属于终端区域时，视角为360°，当α属于中 间区域时，视角均为区域两端角度的平均值；步骤3，建立步态的动态特征分类器，包括：离线建立目标在各视角下的LK‑GFI数据库；对行人的步态图像序列进行预处理，提取其步态周期和视角，计算步态的动态特征图像LK‑GFI；提取行人的动态特征图像LK‑GFI；结合当前视角，在数据库中查找目标相应的LK‑GFI，采用欧式距离度量相同视角下目标与行人的LK‑GFI之间的相似度，设定阈值，欧式距离小于阈值时，行人即为目标；步骤4，建立步态的静态特征分类器，包括：离线建立目标在各视角下的HS‑PMS数据库；对行人的步态图像序列进行处理，提取步态周期、视角和静态特征HS‑PMS；结合当前视角，在数据库中查找目标相应的HS‑PMS，采用欧式距离度量相同视角下目标与行人的HS‑PMS之间的相似度，设定阈值，欧式距离小于阈值时，行人即为目标；步骤5，在匹配层，融合步态的动态特征（LK‑GFI）和静态特征（HS‑PMS），包括：对两个分类器的相似度按下式进行线性归一化处理： SC D = S D - min ( S D ) max ( S D ) - min ( S D ) SC S = S S - min ( S S ) max ( S S ) - min ( S S ) 其中，SD、SS分别为动态特征分类器和静态特征分类器的相似度，SCD、SCS分别为二者归一化后的相似度；采用乘积规则进行融合：SF＝SCD*SCS其中，SF为融合后的相似度。