基于视频的人体特征提取方法、人体识别方法和装置.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CN106156775A(43)申请公布日2016.11.23(21)申请号201510148613.4(22)申请日2015.03.31(71)申请人日本电气株式会社地址日本东京都(72)发明人黄锐(74)专利代理机构北京林达刘知识产权代理事务所(普通合伙)11277代理人刘新宇(51)Int.Cl.G06K9/46(2006.01)G06K9/00(2006.01)权利要求书3页说明书10页附图4页(54)发明名称基于视频的人体特征提取方法、人体识别方法和装置(57)摘要本发明涉及一种基于视频的人体特征提取方法、人体识别方法和装置，其中，基于视频的人体特征提取方法用于从视频中提取能够表示个人的外观特性的人体特征，包括：按个人的迈步周期对视频进行分段，得到至少一个视频段；对各所述视频段按所述个人的身体部位进行分块，以得到至少一个图像块集合；利用训练的高斯混合模型，分别从各所述图像块集合中提取一个时空特征向量。能够对个人迈步的视频进行时间上和空间上有物理意义的划分，按照划分得到的图像块集合进行有效的时空对齐，从而准确地提取人体特征。CN106156775ACN106156775A权利要求书1/3页1.一种基于视频的人体特征提取方法，用于从视频中提取能够表示个人的外观特性的人体特征，其特征在于，包括：按所述个人的迈步周期对所述视频进行分段，得到至少一个视频段；对各所述视频段按所述个人的身体部位进行分块，以得到至少一个图像块集合，一个所述图像块集合包括所述视频段的所有帧图像中针对同一身体部位的图像块；利用训练的高斯混合模型，分别从各所述图像块集合中提取一个时空特征向量，所述时空特征向量能够表示与所述图像块集合相关联的视频段中所述图像块集合所针对的身体部位的外观特性。2.根据权利要求1所述的方法，其特征在于，按所述个人的迈步周期对所述视频进行分段，得到至少一个视频段，包括：计算所述视频的各帧图像的光流强度信号，并根据所述光流强度信号得到所述视频的实际光流强度曲线；对各所述帧图像的光流强度信号进行傅里叶变换得到规则化信号，并获取所述规则化信号在频域的主频率；根据所述主频率对所述规则化信号进行傅里叶逆变换，得到所述视频的理想光流强度曲线；根据所述实际光流强度曲线和所述理想光流强度曲线的极点值，对所述视频进行分段，得到至少一个所述视频段。3.根据权利要求1或2所述的方法，其特征在于，所述高斯混合模型通过以下步骤训练得到：按所述迈步周期对视频样本进行分段，得到至少一个训练视频段；对各所述训练视频段按所述身体部位进行分块，以得到至少一个训练图像块集合，一个所述训练图像块集合包括所述训练视频段的所有帧图像中针对同一身体部位的图像块；对于各所述训练图像块集合，分别将所述训练图像块集合中的各图像块的像素点按照底层特征进行分类，对于每一类像素点，训练得到如下式1的高斯模型，所述高斯混合模型包括所述训练图像块集合的每一类像素点对应的高斯模型；Θ＝{(μk,σk,πk):k＝1,…,K}式1，其中，Θ为每一类像素点对应的高斯模型，K为分类数量，μk为第k类的像素点的底层特征的均值，σk为第k类的像素点的底层特征的方差，πk为第k类的像素点的底层特征的权重。4.根据权利要求3所述的方法，其特征在于，利用训练的高斯混合模型，分别从各所述图像块集合中提取一个时空特征向量，包括：针对各所述图像块集合，提取各像素点的底层特征；将所述图像块集合的各所述像素点的底层特征，根据所述底层特征与训练所得的高斯混合模型的关系，得到各所述像素点的特征向量；将计算得到的各所述像素点的特征向量平均，得到所述图像块集合的时空特征向量。5.一种基于视频的人体识别方法，其特征在于，包括：根据权利要求1至4中任一项所述的基于视频的人体特征提取方法，从涉及已知人物2CN106156775A权利要求书2/3页的视频中提取所述已知人物的时空特征向量；根据权利要求1至4中任一项所述的基于视频的人体特征提取方法，从涉及待识别人物的视频中提取所述待识别人物的时空特征向量；将所述已知人物的时空特征向量与所述待识别人物的时空特征向量进行比较，以确定所述待识别人物的身份。6.一种基于视频的人体特征提取装置，用于从视频中提取能够表示个人的外观特性的人体特征，其特征在于，包括：时间划分模块，用于按所述个人的迈步周期对所述视频进行分段，得到至少一个视频段；空间划分模块，用于对各所述视频段按所述个人的身体部位进行分块，以得到至少一个图像块集合，一个所述图像块集合包括所述视频段的所有帧图像中针对同一身体部位的图像块；特征提取模块，用于利用训练的高斯混合模型，分别从各所述图像块集合中提取一个时空特征向量，所述时空特征向量能够表示与所述图像块集合相