一种基于区域熵特征的步态识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109815786A(43)申请公布日2019.05.28(21)申请号201811487250.7(22)申请日2018.12.06(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人李吉利邓木清冯小仍张敬曹九稳(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240代理人朱月芬(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图5页(54)发明名称一种基于区域熵特征的步态识别方法(57)摘要本发明公开了一种基于区域熵特征的步态识别方法。本发明包括预处理、特征提取和分类识别三个部分。具体步骤如下：所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1-1.提取运动目标轮廓序列；1-2.图像标准化；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2-1.提取步态周期；2-2.提取区域图像熵特征；步骤3.采用最近邻准则分类识别。本发明提取的区域图像熵特征具有很好的表征性,无需借助复杂的图像处理过程，提取方式简单，避免了降维和数据归一化的步骤，降低了系统复杂度，取得了较高的步态身份认证的识别率。CN109815786ACN109815786A权利要求书1/2页1.一种基于区域熵特征的步态识别方法，其特征在于包括如下步骤：步骤1.预处理；所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1-1.提取运动目标轮廓序列；1-2.图像标准化；步骤2.特征提取；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2-1.提取步态周期；2-2.提取区域熵特征；步骤3.采用最近邻准则分类识别。2.权利要求1所述的基于区域熵特征的步态识别方法，其特征在于步骤1-1所述的提取运动目标轮廓序列，包括以下步骤：1-1-1.利用中值滤波的方法对步态视频序列重建背景图像；设I是一个包含N帧的步态视频序列，It表示步态视频序列中的第t幅图像；则背景图像B(x,y)表达为：1-1-2.利用当前视频帧图像与背景图像B(x,y)进行差分，获得二值化图像序列；设置阈值ε以检测步态运动区域，其计算公式表达为：其中ε为设定的阈值，Rt(x,y)为第t帧的二值化图像，其中1表示步态运动区域，0表示背景；1-1-3.形态学处理；采用膨胀、腐蚀和区域填充的方式对二值化图像进行形态学处理；1-1-4、连通区域分析；对经过形态学处理的二值化图像运用连通区域分析方法获得连通的运动目标区域；1-1-5、检测运动目标区域使用Canny算子检测运动目标区域，获得步态运动目标轮廓序列。3.权利要求2所述的基于区域熵特征的步态识别方法，其特征在于步骤1-2所述的图像标准化，其特征在于：1-2-1.提取二值化图像序列中每一帧的运行目标图像，获取运行目标图像序列；1-2-2.将运行目标图像序列中的冗余帧图像与干扰帧图像去除；1-2-3.将运行目标图像序列中的有效帧图像变为同一标准大小。4.权利要求1所述的基于区域熵特征的步态识别方法，其特征在于，步骤2-1所述的提取步态周期，具体实现如下：2-1-1.计算运行目标图像序列的有效帧中运动目标的宽高比；2-1-2.获取运行目标图像序列的周期与关键帧；通过运动目标侧影的宽高比，对步态的周期进行分析从而获得完整的步态周期图像序列。2CN109815786A权利要求书2/2页5.权利要求1所述的基于区域熵特征的步态识别方法，其特征在于步骤2-2所述的提取区域图像熵特征，具体实现如下：2-2-1.将步态周期图像序列中每一帧步态周期图像的运动目标区域划分为6个子区域；2-2-2.计算每一帧步态周期图像的图像熵，同时计算每一帧步态周期图像与其对应的各个子区域的图像熵；2-2-3.将每一帧步态周期图像的图像熵和6个子区域的图像熵集合成为一个七维图像熵特征。6.权利要求1所述的基于区域熵特征的步态识别方法，其特征在于步骤3.所述的采用最近邻准则分类识别，具体实现如下：以图像熵特征作为类匹配模板计算欧氏距离，选取最近的样本区域图像熵所属的类作为归属类，即选取欧氏距离最小的一类作为归属类；假定共有c个类别:w1,w2,…,wc,每个类别中有训练样本Ni个，i＝1,2,…,c；wi类的判别函数表示为：其中中i表示第wi类，k表示wi类中训练样本Ni中的第k个样本；决策规则为：若gj(x)＝min(x),j＝1,2,...,c；则分类结果为：x∈wj。3CN109815786A说明书1/6页一种基于区域熵特征的步态识别方法技术领域[0001]本发明属于模式识别技术领域，具体涉及一种基于区