基于加强步态能量图在非规范视角步态识别的研究.docVIP

基于加强步态能量图在非规范视角的步态识别研究 摘要：提出了一种基于加强步态能量图的非规范视角步态识别方法，解决了非规范视角下步态识别难题。视角转换方法将视角统一，采用背景减除法提取人体轮廓，引入步态周期检测方法确定步态周期，根据人体骨架参数模型得到加强步态能量图(egei)，最后运用2dpca方法提取特征向量，并采用最近邻域法分类。实验结果表明：egei在各个视角下比普通的gei在识别效果要更好。 关键词：步态识别； 加强步态能量图； 二维主分量分析； 非规范视角 引言 步态是指走路时所表现的姿态，是一种复杂的行为特征，同时也是一种可以在远距离情况下惟一可感知的生物特征。步态识别具有其独特优势,即在远距离或低视频质量情况下的识别潜力,且步态难以隐藏或伪装等。在国外研究中，jasvinder pal singh等人［1］将人体特征分为手与脚的特征，并细分脚尖和脚后跟的特征，最后采用参数线性方程表示这些特征之间的三角形，取得了很好的效果。tanaya guha等人［2］对radon变换进行了改进，提出差分radon变换，利用它提取一个特征集，该方法具有很高的识别率。byungyun lee等人［3］将多个步态周期进行融合，提出了决策层融合的步态识别方法。中科院谭铁牛等人［4］提出了基于步态的身份识别，引领了步态识别研究的快速发展。近年来，徐素莉等人［5］通过步态能量图，利用模糊主成分分析提取出特征值和对应的特征向量，提出了基于模糊主成分分析的步态识别方法。张浩和刘志镜［6］提出了一种表示简单、计算复杂度低的加权dtw距离的自动步态识别。但这些研究都存在一个不足，它们都是对侧面步态轮廓进行处理的，没有解决步态轮廓一般化的问题。 本文正好解决了该问题。利用针孔模型的标定技术对步态序列进行视角规范，采用背景减除法提取人体轮廓，引入步态周期检测方法确定步态周期，根据人体骨架参数模型得到加强步态能量图，最后运用2dpca方法提取特征向量，并采用最近邻域法进行分类。实验表明：egei在各个视角下比普通的gei在识别效果上要更好。 1步态识别流程 为了提高非规范视角下的识别效果，可用人体骨骼模型对关键帧去除脚部阴影来得到加强步态能量图。步态识别原理如图1所示。 1.1基于针孔模型的图像视角转换 在步态识别研究中，通常是在规范视角下对序列进行步态识别处理，没有考虑到任意角度，不适合实际应用。如图2所示，90°视角图像定义为规范视角。而60°则定义为非规范视角。 空间任何点p在图像上的成像位置可以用针孔模型来近似表示，即任何点p(x, y, z)在图像上的投影位置为p(x, y)。这种关系也称为透视投影［7］。并有如下关系： x=fxz,y=fyz(1)式中：(x, y)是p点的图像坐标；(x, y, z)是点p在针孔摄像机坐标系的坐标；f为焦距。 图1步态识别算法模型图2不同视角二值化图像假设z为目标到图像平面的距离，当目标大小远小于z的时候，dθ≈0。如图3所示，假设有2个一样的摄像头，o和o′分别表示这两个摄像头的光心位置，x，z和x′，z′分别表示摄像机坐标系的坐标，z与z′的夹角为θ，p点是两坐标轴的交点，而且p到两个光心的距离相等，om垂直轴z′，因此oo′平分角∠mox0，并等于θ的1/2。如果人沿直线bc行走，摄像头o拍摄的图像是人以方位角θ行走的情况，而摄像头o′所拍摄的则是规范视角下的情况。用［xθ,yθ,zθ］t表示人体身上任意一点在摄像头o摄像机坐标系的坐标，用［x0,y0,z0］t表示同样一点在摄像头o′的坐标，如图3所示，以水平向左为正，得到［xθ,yθ,zθ］t和［x0,y0,z0］t的关系如下:x0=xθcos θ+zθsin θ y0=yθ z0=(zθcos θ－xθsin θ)(1+tan θtan(θ/2))(2)假设90°视角和非90°视角下的坐标所对应的图像平面坐标分别为［x0,y0］t和［xθ,yθ］t，利用透视投影的关系可得：x0=fxθcos θ－sin θ(－xθsin θ+fcos θ)(1+tan θtan(θ/2)) y0=fyθ(－xθsin θ+fcos θ)(1+tan θtan(θ/2)) (3)式(3)不包括三维深度信息，便可将非规范视角图像坐标转换到规范视角图像坐标。进行坐标是二值化步态轮廓，即已对图像序列进行背景减除、形态学处理等操作。图4是步态图像转换前后并归一化的结果。 图3坐标转换示意图图4视角转换归一化图像其中，第一行为45°视角下原始图像，第二行为转换后图像。实验表明转换后的人体脚跟位置有了变化，特别是左脚明显向前倾。并且转换后图像的人体宽度也有变宽，是因为矫正算法是基于人体是一个平面的假设，但事实上人体躯干是立体的。 1.2基于加强步态能量图的特征提取 非规范