红外步态双信道特征融合识别方法.pdf

(19)中华人民共和国国家知识产权局*CN102289672A*(12)发明专利申请(10)申请公布号CN102289672A(43)申请公布日2011.12.21(21)申请号201110149549.3(22)申请日2011.06.03(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人王璐明东邱爽徐瑞冯丽綦宏志张力新万柏坤(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人杜文茹(51)Int.Cl.G06K9/62(2006.01)G06K9/00(2006.01)权利要求书1页说明书8页附图4页(54)发明名称红外步态双信道特征融合识别方法(57)摘要一种红外步态双信道特征融合识别方法，步骤是：红外图像预处理，首先采用混合高斯模型的背景减除法实现运动人体的检测；然后进行形态学处理，即采用形态学滤波来消除二值图像中的噪声并填补运动目标的缺失；红外图像特征提取，首先需要对步态序列的周期进行划分，基于轮廓宽度的周期性来确定步态周期；确定步态能量图；红外热释电特征提取，首先进行数据采集，然后，对采集的电压信号进行去噪处理，而后对时域信号进行傅里叶变换得到其频谱，然后再利用PCA进行降维，得到特征向量；分类识别。本发明由于红外热释电采集的人体运动时的一维电压信号，易实时实现，红外图像对人步行时的携带物如提包、雨伞、背包等会改变外形不太敏感，此外在夜间也可以进行工作。CN1028967ACCNN110228967202289688A权利要求书1/1页1.一种红外步态双信道特征融合识别方法，其特征在于，包括如下步骤：1)红外图像预处理，首先采用混合高斯模型的背景减除法实现运动人体的检测；然后进行形态学处理，即采用形态学滤波来消除二值图像中的噪声并填补运动目标的缺失；2)红外图像特征提取，首先需要对步态序列的周期进行划分，基于轮廓宽度的周期性来确定步态周期；确定步态能量图，步态能量图的定义如下：其中：N表示所提取的侧影序列中一个完整的步态周期所包含的帧数；t表示侧影序列中的第t帧；(x，y)分别表示图像中的坐标值；Bi(x，y)则表示图像在第t帧(x，y)点的像素值；最后采用PCA对步态能量图进行降维；3)红外热释电特征提取，首先进行数据采集，然后，对采集的电压信号进行去噪处理，而后对时域信号进行傅里叶变换得到其频谱，然后再利用PCA进行降维，得到特征向量；4)分类识别。2.根据权利要求1所述的红外步态双信道特征融合识别方法，其特征在于，步骤1实现运动人体的检测中，混合高斯模型使用K个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则为前景点，从而得到二值图像，其中K为3～5。3.根据权利要求1所述的红外步态双信道特征融合识别方法，其特征在于，步骤1中所述的形态学处理，是采用形态学滤波来消除二值图像中的噪声并填补运动目标的缺失。4.根据权利要求3所述的红外步态双信道特征融合识别方法，其特征在于，形态学滤波处理后，还要对图像进行连通域分析。5.根据权利要求1所述的红外步态双信道特征融合识别方法，其特征在于，步骤2中所述的轮廓宽度是一个周期信号，该周期信号中的极大极小值点，是用一阶微分的方法来确定，具体的方法为：(1)求步态序列的矩形窗，计算宽度信号，可以由分割区域最小最大纵坐标确定；(2)为了去除小的毛刺避免机器将其误判为伪极值点，使用低通滤波器对宽度信号进行平滑滤波；(3)计算滤波后宽度信号的一阶微分，寻找过零点；(4)假设第i个过零点记为pi，以pi作为一个步态周期的起点，则该步态周期的终点为pi+4，将其记为(pi，pi+4)来表示序列中的步态周期。6.根据权利要求1所述的红外步态双信道特征融合识别方法，其特征在于，步骤4所述的分类识别，是提取红外图像的步态能量图特征及红外热释电频谱特征后，首先对该特征项在特征层上进行融合，步态能量图特征经主成分分析后的特征矩阵为Rn×m2，热释电红外传感器频谱信号经主成分分析后的特征矩阵为Pn×m3，将这两种特征以前后组合方式合并成一个新的特征矩阵，即T＝[R，P]。2CCNN110228967202289688A说明书1/8页红外步态双信道特征融合识别方法技术领域[0001]本发明涉及一种红外步态双信道特征融合识别方法。特别是涉及一种将红外热释电和红外成像相结合对人体身份进行识别的红外步态双信道特征融合识别方法。背景技术[0002]生物特征识别技术是利用人体先天的生理特征或固有的行为特征来进行身份认证的新技术。指纹、虹膜、脸像等生理特征，通常要求近距离或者接触性的感知，而步态是远距离情况下可感知的行为特征。步态识别因其非侵犯、远距离、难伪装等优势引起了计