技術(shù)領(lǐng)域:
本發(fā)明涉及人體肢體運(yùn)動(dòng)的識(shí)別領(lǐng)域,具體涉及一種基于步態(tài)的身份識(shí)別方法。
背景技術(shù):
:
生物識(shí)別技術(shù)利用人體的特征進(jìn)行身份驗(yàn)證,這些特征包括指紋、聲音、面部、虹膜、dna、行走的步態(tài)等,與其他生物識(shí)別技術(shù)不同,步態(tài)識(shí)別可以在遠(yuǎn)距離進(jìn)行,在一定的距離上雖然人臉模糊不清,但是步態(tài)卻清晰可見(jiàn),步態(tài)識(shí)別還具有非強(qiáng)迫性,不需要被識(shí)別者特意合作,令被識(shí)別者不易察覺(jué),并具有不易隱藏模仿等特性,因此步態(tài)識(shí)別的研究對(duì)于逮捕罪犯有一定的幫助,但是目前對(duì)步態(tài)識(shí)別的研究還不多,還沒(méi)有完善的基于步態(tài)的身份識(shí)別方法。
技術(shù)實(shí)現(xiàn)要素:
:
本發(fā)明的目的是提供一種基于步態(tài)的身份識(shí)別方法,以解決現(xiàn)有技術(shù)中沒(méi)有完善的基于步態(tài)的身份識(shí)別方法的問(wèn)題。
本發(fā)明的基于步態(tài)的身份識(shí)別方法,采用的技術(shù)方案在于:包括以下步驟:
一、提取步態(tài)輪廓;
二、檢測(cè)步態(tài)周期;
三、提取有效的步態(tài)特征并對(duì)步態(tài)特征進(jìn)行處理,在提取步態(tài)特征前,在步態(tài)序列中提取出一個(gè)周期的子序列;
四、模式分類,利用分類器來(lái)完成分類識(shí)別。
作為本發(fā)明的進(jìn)一步改進(jìn),步驟一中提取步態(tài)輪廓的過(guò)程為:
a、提取圖像背景;
b、通過(guò)形態(tài)學(xué)處理來(lái)填充空洞及消除隨機(jī)噪聲的影響;
c、根據(jù)單一連通分析從圖像中提取出完整的步態(tài)輪廓。
作為本發(fā)明的進(jìn)一步改進(jìn),所述步驟二是根據(jù)輪廓長(zhǎng)寬比參數(shù)或腿部閉合面積參數(shù)來(lái)檢測(cè)行人的步態(tài)周期的。
作為本發(fā)明的進(jìn)一步改進(jìn),步驟三中提取步態(tài)特征包括基于模型的步態(tài)識(shí)別和基于整體的步態(tài)識(shí)別。
作為本發(fā)明的進(jìn)一步改進(jìn),步驟二中的腿部閉合面積的步態(tài)周期是從兩腿并攏到兩腿張開(kāi)最大角度,然后再兩腿并攏為一個(gè)完整步態(tài)周期。
作為本發(fā)明的進(jìn)一步改進(jìn),所述基于模型的步態(tài)識(shí)別是通過(guò)建立人體模型或跟蹤身體部件來(lái)獲取靜態(tài)或動(dòng)態(tài)的模型參數(shù)與步態(tài)序列中的每一幀圖像進(jìn)行匹配。
本發(fā)明的有益效果是:本發(fā)明比生物識(shí)別技術(shù)更加的簡(jiǎn)單實(shí)用,對(duì)低質(zhì)量的側(cè)面輪廓具有很好的適應(yīng)性,并能夠快速地進(jìn)行身份識(shí)別,對(duì)于逮捕罪犯有很大的幫助。
具體實(shí)施方式:
本發(fā)明的基于步態(tài)的身份識(shí)別方法,包括以下步驟:
一、提取步態(tài)輪廓;
二、檢測(cè)步態(tài)周期;
三、提取有效的步態(tài)特征并對(duì)步態(tài)特征進(jìn)行處理,在提取步態(tài)特征前,在步態(tài)序列中提取出一個(gè)周期的子序列;
四、模式分類,利用分類器來(lái)完成分類識(shí)別。
進(jìn)一步地,步驟一中提取步態(tài)輪廓的過(guò)程為:
a、提取圖像背景;
b、通過(guò)形態(tài)學(xué)處理來(lái)填充空洞及消除隨機(jī)噪聲的影響;
c、根據(jù)單一連通分析從圖像中提取出完整的步態(tài)輪廓。
進(jìn)一步地,所述步驟二是根據(jù)輪廓長(zhǎng)寬比參數(shù)或腿部閉合面積參數(shù)來(lái)檢測(cè)行人的步態(tài)周期。
進(jìn)一步地,步驟三中提取步態(tài)特征包括基于模型的步態(tài)識(shí)別和基于整體的步態(tài)識(shí)別。
進(jìn)一步地,步驟二中的腿部閉合面積的步態(tài)周期是從兩腿并攏到兩腿張開(kāi)最大角度,然后再兩腿并攏為一個(gè)完整步態(tài)周期。
進(jìn)一步地,所述基于模型的步態(tài)識(shí)別是通過(guò)建立人體模型或跟蹤身體部件來(lái)獲取靜態(tài)或動(dòng)態(tài)的模型參數(shù)與步態(tài)序列中的每一幀圖像進(jìn)行匹配。