基于人體重心軌跡分析的步態(tài)特征提取方法
【專利摘要】本發(fā)明公開(kāi)了一種基于人體重心軌跡分析的步態(tài)特征提取方法，包括下述步驟：S1、步態(tài)檢測(cè)與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；S2、計(jì)算人體重心位置，將運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡；S3、將去噪后的步態(tài)波形輸入計(jì)算機(jī)，應(yīng)用公式計(jì)算出對(duì)應(yīng)于K次諧波頻率的諧波振幅，并繪制輸出相應(yīng)的頻譜圖。本發(fā)明不僅能解決當(dāng)前提取特征方法面臨的難題，還能從復(fù)雜的步態(tài)圖像中提取出一維的步態(tài)特征向量，便于進(jìn)一步的分析、訓(xùn)練和識(shí)別。
【專利說(shuō)明】基于人體重心軌跡分析的步態(tài)特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信息科學(xué)的【技術(shù)領(lǐng)域】，特別涉及一種基于人體重心軌跡分析的步態(tài)特征提取方法。
【背景技術(shù)】
[0002]目前，步態(tài)特征主要由人行走的圖像的不同幀之間的差異來(lái)表示。由于人行走過(guò)程的圖像差異主要表現(xiàn)為腿部和雙腳的變化，所以當(dāng)前的步態(tài)特征提取主要是以腿部角度和雙腳與地面角度的變化來(lái)實(shí)現(xiàn)，即使是基于整體圖像的速度、形狀、色彩等相關(guān)特征提取的步態(tài)特征，最根本的變化仍然是雙臂和雙腿的擺動(dòng)引起的變化，軀干部分的變化仍然是可忽略的。
[0003]已知當(dāng)前的步態(tài)特征提取技術(shù)都基于輪廓提取技術(shù)，而輪廓極易受到行人的服飾、攜帶物和行走方向的影響，從而使提取的步態(tài)特征不能反映本質(zhì)的步態(tài)習(xí)慣。尤其當(dāng)服飾遮蓋至腿部以下時(shí)，傳統(tǒng)的特征提取方法則會(huì)完全失去識(shí)別能力。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有的步態(tài)特征提取方法易受服飾、攜帶物和行走方向影響的缺陷，本發(fā)明提出一種基于人體重心軌跡分析的步態(tài)特征提取方法，該方法不僅能解決當(dāng)前提取特征方法面臨的難題，還能從復(fù)雜的步態(tài)圖像中提取出一維的步態(tài)特征向量，便于進(jìn)一步的分析、訓(xùn)練和識(shí)別。
[0005]本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn):
[0006]基于人體重心軌跡分析的步態(tài)特征提取方法，包括下述步驟:
[0007]S1、步態(tài)檢測(cè)與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；
[0008]S2、計(jì)算人體重心位置，將運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態(tài)特征，通過(guò)對(duì)重心軌跡進(jìn)行頻譜分析得到步態(tài)特征向量；
[0009]S3、將去噪后的步態(tài)波形輸入計(jì)算機(jī)，應(yīng)用公式計(jì)算出對(duì)應(yīng)于K次諧波頻率的諧波振幅，并繪制輸出相應(yīng)的頻譜圖；觀察并統(tǒng)計(jì)出數(shù)據(jù)庫(kù)中不同人的頻率、振幅、主要頻率等相關(guān)數(shù)據(jù)；由于行走方向會(huì)使得提取的目標(biāo)區(qū)域整體放大或縮小，引起重心坐標(biāo)呈現(xiàn)整體的放大或縮小趨勢(shì)，從而使頻譜圖的振幅呈現(xiàn)整體的放大或縮小，通過(guò)檢測(cè)頻譜圖的譜峰分布即可消除振幅幅值的影響。通過(guò)觀察、計(jì)算，找出反映步態(tài)特征的主要信號(hào)值，形成作為模式識(shí)別輸入的特征信號(hào)向量空間。
[0010]步驟SI中，采用三幀差分發(fā)將高斯濾波后的圖像轉(zhuǎn)為為二值圖，具體計(jì)算如下:
[0011]
【權(quán)利要求】
1.基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，包括下述步驟:. 51、步態(tài)檢測(cè)與跟蹤，將原始視頻圖像轉(zhuǎn)換為單通道灰度圖像，再進(jìn)行高斯濾波平滑圖像，并將圖像轉(zhuǎn)換為二值圖；. 52、計(jì)算人體重心位置，將運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)中每一幀圖像的重心坐標(biāo)在同一坐標(biāo)系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態(tài)特征，通過(guò)對(duì)重心軌跡進(jìn)行頻譜分析得到步態(tài)特征向量； . 53、將去噪后的步態(tài)波形輸入計(jì)算機(jī)，應(yīng)用公式計(jì)算出對(duì)應(yīng)于K次諧波頻率的諧波振幅,并繪制輸出相應(yīng)的頻譜圖；觀察并統(tǒng)計(jì)出數(shù)據(jù)庫(kù)中不同人的頻率、振幅、主要頻率等相關(guān)數(shù)據(jù)；由于行走方向會(huì)使得提取的目標(biāo)區(qū)域整體放大或縮小，引起重心坐標(biāo)呈現(xiàn)整體的放大或縮小趨勢(shì)，從而使頻譜圖的振幅呈現(xiàn)整體的放大或縮小，通過(guò)檢測(cè)頻譜圖的譜峰分布即可消除振幅幅值的影響，通過(guò)觀察、計(jì)算，找出反映步態(tài)特征的主要信號(hào)值，形成作為模式識(shí)別輸入的特征信號(hào)向量空間。
2.根據(jù)權(quán)要求I所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟SI中，采用三幀差分發(fā)將高斯濾波后的圖像轉(zhuǎn)為為二值圖，具體計(jì)算如下:
3.根據(jù)權(quán)要求I所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟S2中，計(jì)算人體重心位置的具體方法為:. 521、通過(guò)人體區(qū)域像素計(jì)算重心坐標(biāo)； 由于對(duì)檢測(cè)出的運(yùn)動(dòng)目標(biāo)區(qū)域內(nèi)部通常產(chǎn)生中空，而目標(biāo)重心的計(jì)算公式中的求和運(yùn)算具有正負(fù)抵消作用，這樣一定程度上消除了中空對(duì)特征檢測(cè)的影響，因此后續(xù)的目標(biāo)特征選取為目標(biāo)的重心變化，計(jì)算如下:
4.根據(jù)權(quán)要求3所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，步驟S2中，人體行走的步態(tài)波形是時(shí)間的連續(xù)函數(shù)x(t)，但實(shí)際上只能在有限的時(shí)間T內(nèi)收集到有限的x(t)值；把x(t)當(dāng)作以T為周期的連續(xù)函數(shù)，則可將它展開(kāi)為傅立葉級(jí)數(shù)，其指數(shù)形式如下:
5.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，對(duì)主頻進(jìn)行分析，主頻成分是指高于閾值的波峰所對(duì)應(yīng)的頻段，由于重心的左右擺動(dòng)和上下震蕩主要表現(xiàn)為小幅波動(dòng)，所以，因人體的行走方向所形成的軌跡波動(dòng)是重心軌跡波形的主要組成部分，反映在頻譜圖的最低頻段。
6.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，對(duì)主頻振幅進(jìn)行分析，主頻振幅是指各主頻成分所對(duì)應(yīng)的正弦波幅值的大??；當(dāng)人在行走過(guò)程中步態(tài)高低起伏明顯時(shí)，正側(cè)面視角下的重心軌跡波形的振幅就會(huì)較大，反映在頻譜圖上即是低頻段波峰對(duì)應(yīng)波峰幅值較大。
7.根據(jù)權(quán)要求4所述基于人體重心軌跡分析的步態(tài)特征提取方法，其特征在于，采用分割量化的方法對(duì)測(cè)量得到的頻譜圖進(jìn)行量化，得到可以直接進(jìn)行識(shí)別的數(shù)據(jù)特征向量；即統(tǒng)計(jì)頻譜圖在各個(gè)頻段的波峰數(shù)目，如果沒(méi)有波峰則記為O，最后統(tǒng)計(jì)得到的0、1序列即為量化得到的步態(tài)特征值；將該特征量輸入模式識(shí)別工具即可進(jìn)行識(shí)別。
【文檔編號(hào)】G06T5/00GK103679171SQ201310438809
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2013年9月24日 優(yōu)先權(quán)日:2013年9月24日
【發(fā)明者】楊天奇, 陳欣 申請(qǐng)人:暨南大學(xué)