一种视频监控系统及其实时步态识别方法.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CN107766819A(43)申请公布日2018.03.06(21)申请号201710972984.3(22)申请日2017.10.18(71)申请人陕西国际商贸学院地址712046陕西省西安市西咸新区沣西新城大学园统一西路号35号(72)发明人王希娟费民权(74)专利代理机构西安通大专利代理有限责任公司61200代理人李宏德(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06T7/194(2017.01)权利要求书3页说明书7页附图5页(54)发明名称一种视频监控系统及其实时步态识别方法(57)摘要本发明提供一种视频监控系统及其实时步态识别方法，该方法在图像预处理过程中，对提取的二值轮廓图像按照其最小外接矩形进行裁剪，并在保持宽高比不变的情况下按照所有图像帧的图像高度最大值进行图像的缩放。因此，经过预处理的所有图像帧不仅高度一致，而且保持了图像处理前后宽高比不变，更加易于进行步态特征提取。并且步态识别方法综合考虑了人体步态的静态特征和动态特征，提取了质心高度、步幅、下肢轮廓角度距离变化率作为步态特征，较全面的反映了不同个体的步态差异。该视频监控系统通过上述方法，在保证高识别率的基础上有效缩短了识别时间，同时对用户的衣着变换也具有较好鲁棒性，尤其适用于视频监控环境中进行实时用户身份识别。CN107766819ACN107766819A权利要求书1/3页1.一种视频监控系统的实时步态识别方法，其特征在于，包括如下步骤，步骤1，视频图像预处理；步骤1.1，将处理样本中通过采集获得有用户出现的视频图像序列，对视频图像序列采用背景减除法得到人体前景图像，经过二值化和轮廓化处理后得到人体二值化轮廓图像；步骤1.2，计算视频图像序列中各图像的人体最小外接矩形，并按照最小外接矩形对各图像进行裁剪，得到系列图像帧；步骤1.3，在保持宽高比不变的情况下，按照系列图像帧的图像高度最大值进行各图像的缩放；步骤1.4根据系列图像帧的宽高比变化，求出人体宽高比随时间变化的曲线，并选取连续三个波谷的时间间隔内所对应的所有图像，以此作为一个步态周期的图像序列；步骤2，步态特征的提取；在预处理后的一个步态周期图像序列基础上提取包括人体质心高度变化、人体行走时步幅变化和人体骨盆关节点到下肢各轮廓点角度距离变化的三种步态特征；步骤3，步态特征的相似性度量和分类识别；通过步骤1和2分别提取待测样本和数据库中参考样本的步态特征，使用欧式距离计算待测样本与参考样本之间的失真度；采用DTW算法计算二者之间的最小失真度累积和；由于失真度越小，相似性越大，继而采用最近邻分类器NN进行步态识别，当识别用户身份合法时，反馈提示信息；当识别用户身份不合法时，反馈报警信号，实现待测样本中用户身份的识别。2.根据权利要求1所述的一种视频监控系统的实时步态识别方法，其特征在于，步骤2中提取步态特征包括如下步骤；步骤2.1，提取各帧图像的质心，并以质心的高度，即质心横坐标绝对值作为单帧图像的第一个特征向量，记作Fa；步骤2.2，除双脚并拢情况以外，定义第m帧图像的步幅wm为该帧图像的宽度，以此作为单帧图像的第二个特征向量，记作Fb；步骤2.3，提取下肢角度距离特征作为单帧图像的第三个特征向量；步骤2.4，将计算得到的三种步态特征组合在一起，形成单帧图像的一维特征向量，记为F＝[Fa,Fb,Fc]；步骤2.5，使用一个步态周期内所有图像帧的特征参数集表示该周期内图像序列的步态特征，记为：Z(e)＝[Fe(1),Fe(2),Fe(3),…,Fe(k),…,Fe(f)]；其中，Z(e)表示第e号运动目标周期内的整体步态特征，Fe(k)是e号运动目标第k帧图像的步态特征向量，f表示周期内图像帧数总额。3.根据权利要求2所述的一种视频监控系统的实时步态识别方法，其特征在于，步骤2.2中，作为第二个特征向量Fb的步幅wm的计算公式如下：其中，weimin表示一个步态周期内所有图像宽度的最小值。4.根据权利要求2所述的一种视频监控系统的实时步态识别方法，其特征在于，步骤2CN107766819A权利要求书2/3页2.3中，提取下肢角度距离特征作为单帧图像的第三个特征向量，具体地包括以下步骤：步骤2.3.1，求骨盆关节点坐标；根据人体解剖学理论中的各关节点与人体的比例关系，先求出单帧图像的骨盆关节点坐标P(xp,yp)的横坐标值xp，计算公式如下：xp＝(1-0.53)×hei；其中，hei为该帧图像最小外接矩形的高度；然后根据计算得到的xp，对存储人体轮廓像素的矩阵进行扫描，找出横坐标值等于xp的像素点坐标，记录距离骨盆关节点P最近的两个像素点，其中