一种基于特征融合的步态识别身份认证方法.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CN105335725A(43)申请公布日2016.02.17(21)申请号201510749195.4(22)申请日2015.11.05(71)申请人天津理工大学地址300384天津市西青区宾水西道391号天津理工大学主校区(72)发明人黄玮殷铭王劲松田永生(74)专利代理机构天津佳盟知识产权代理有限公司12002代理人侯力(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种基于特征融合的步态识别身份认证方法(57)摘要基于特征融合的步态识别身份认证方法，该方法包括：首先，摄像头实时采集当前背景图像和检测目标的步态原始图像序列，采用灰度化、欧式算法、中值滤波等方法获得二值步态图像序列；然后直接对人物轮廓像素点进行提取，获得基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；最后利用SVM算法和贝叶斯算法相融合的新算法对检测目标分类，输出最终的识别结果。该方法能够快速准确地去除背景，且提高了不同环境下的适应性。此外，由于传统贝叶斯算法的前验概率是根据以往的经验而人为设定的，导致其识别率较低，而融合了SVM算法后能够提高贝叶斯算法的前验概率，使得整体的识别精度能有显著提升。CN105335725ACN105335725A权利要求书1/3页1.一种基于特征融合的步态识别身份认证方法，其特征在于包括以下步骤：S1.摄像头实时采集当前环境的背景图像和检测目标的步态原始图像，并对图像进行灰度化处理，得到灰度化的图像序列；S2.将灰度化后的步态序列图像用欧式算法去除背景，初步得到去除背景后的步态序列二值图像；S3.将初步得到的步态序列图像进行中值滤波处理，将图像中的孤点噪声去除，得到最终的去除背景后的步态序列二值图像；S4.直接对人物轮廓像素点进行提取，获得轮廓边缘特征向量；S5.对所获得的轮廓边缘特征向量进行处理，得到基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值；S6.利用步态特征向量数据库中的所有步态特征向量分别以动态特征和静态特征用基于径向基核函数的SVM分类器分类得到新的特征向量；S7.将SVM的训练结果交由基于m估计的贝叶斯算法进行识别；S8.输出识别结果。2.根据权利要求1所述的步态识别身份认证方法，其特征在于：步骤S1中所述的步态图像灰度化处理过程中，参照重要程度，将RGB三个分量以不同的权值进行加权平均；由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像，f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)。3.根据权利要求1所述的步态识别身份认证方法，其特征在于：步骤S2所述的欧式算法去除背景的方法是：计算步态原始图像与背景图像的每个彩色像素点的欧氏距离d，其中xr、xg、xb分别表示步态原始图像序列中图像的像素矢量红、绿、蓝三种颜色分量的值，μr、μg、μb分别表示背景像素矢量的红、绿、蓝三种颜色分量的值；计算图像中所有像素点的R,G,B颜色分量的平均值为阈值Ta，如果图像像素与对应背景像素的欧氏距离不小于Ta，该图像像素为前景，否则为背景；阈值Ta是前景与背景差别的量度，即前景与背景的距离至少相差Ta；阈值太大，则像素有更大可能被判成为背景，前景被误判成背景的可能性大；阈值太小，则像素有更大可能被判成为前景，背景被误判成前景的可能性大；B(x,y)是背景图像，F(x,y)是遍历当前帧的每一个像素，若则视该像素点为背景点并予以去除，下标r,g,b分别表示像素点红绿蓝三种颜色分量。4.根据权利要求1所述的步态识别身份认证方法，其特征在于，步骤S3所述的中值滤波由以下步骤组成：S31.将滤波模板在图像中漫游，并将滤波模板中心与图像中某个像素位置重合；S32.读取滤波模板中各对应像素的灰度值；2CN105335725A权利要求书2/3页S33.将这些灰度值从小到大排列；S34.取这一列数据的中间数据，将该中间数据赋给对应滤波模板中心位置的像素；如果滤波模板中有奇数个元素，中值取元素按灰度值大小排序后的中间元素灰度值；如果滤波模板中有偶数个元素，中值取元素按灰度值大小排序后，中间两个元素灰度的平均值。5.根据权利要求1所述的步态识别身份认证方法,其特征在于步骤S4所述的轮廓像素点提取方法为：S41.从图片的第一行的第一个点开始，横向查找一坐标(x1,y1)使得颜色为白色，标记该点；从该点再横向搜素像素为黑色的点，该点记为(x2,y1)；S42.从下一行第一个点开始，以上述方式横向遍历；S43.重复步骤S42，直到遍历整张图片。6.根据权利要求5所述的步态识别身份认证方法，