复杂背景下人体步态分析方法.pdf
《复杂背景下人体步态分析方法.pdf》由会员分享,可在线阅读,更多相关《复杂背景下人体步态分析方法.pdf(5页珍藏版)》请在文库网上搜索。
1、第 51 卷收稿日期:2023年2月12日,修回日期:2023年3月27日基金项目:中国兵器工业试验测试研究院合作项目“静爆试验图像处理及三维重构”(编号:H201907098);陕西省自然科学基础研究计划项目“荧光偏振型分子印迹传感器的研究”(编号:2018JQ2075)资助。作者简介:陈松,男,研究员,研究方向:测试方法。1引言目前常用且成熟的生物识别技术有指纹识别、虹膜识别、人脸识别、DNA识别,新兴的生物识别技术有静脉识别、步态识别1。利用步态进行身份识别是近年来在生物识别领域的一大研究热点。随着现代智能社会发展,各种展览、机场、车站等大范围人流量多的地方的视频安全监控正在引起人们注意
2、2,国此远距离、复杂背景下的步态识别方法为在这种情况下的身份认定提供了很好的手段。过去的几十年里,步态识别领域开展了大量研究工作,已经取得了不少进展36。国外对于步态分析的研究较早,2000年美国DARPA(美国国防部高级研究计划署)开始主持开展HID计划(远距离身份识别),旨在于研究基于视频监控的人脸识别与步态识别的远距离身份识别7。2014年Tafazzoli F等通过分析研究丢弃无用冗余信息对分类器识别效率的影响。提出一种只提取特征向量的一个子集而不会降低分类精度的遗传算法(GA)来进行步态提取8。2017年Munif Alotaibi等提出一种深度卷积神经网络(CNN)架构用于步态识别
3、,其优点是可以明显降低影响步态识别性能的一些因素9。复杂背景下人体步态分析方法陈松1张国辉1王西泉1陈俊彪1马超2(1.中国兵器工业试验测试研究院华阴714200)(2.西安工业大学西安710021)摘要为了获得复杂背景下的人体步态信息,提出了基于超像素分割的步态提取方法,通过对关键帧步态能量图构造Gabor二维滤波器对步态能量图进行卷积提取特征,构造5个尺度,8个方向共40个Gabor滤波器组与步态能量图进行卷积操作特取特征,为了更有效地表征特征数据,使用主成分分析进行特征降维,最后选取无监督的分类方法-K均值聚类法进行分类识别,实验结果表明,该方法能够实现步态的有效识别。关键词复杂背景;步
4、态识别;超像素分割;K均值聚类中图分类号TP751DOI:10.3969/j.issn.1672-9722.2023.08.035Analysis on Human Gait Characteristics Under ComplexBackgroundCHEN Song1ZHANG Guohui1WANG Xiquan1CHEN Junbiao1MA Chao2(1.Orinco Group Testing and Research Institute,Huayin714200)(2.Xian Technological University,Xian710021)AbstractIn or
5、der to obtain human gait information under complex background,a method of gait extraction based on super-pixel segmentation is proposed.By constructing Gabor two-dimensional filter for key frame gait energy map,the features of gaitenergy map are extracted by convolution,and the convolution operation
6、 of 40 Gabor filter groups and gait energy map in 8 directionsand 5 scales is constructed.In order to represent the feature number more effectively,according to the research,principal component analysis is used to reduce the dimension,and finally unsupervised classification method K-means clustering
7、 method is selected for classification and recognition.The experimental results show that this method can achieve effective gait recognition.Key Wordscomplex background,gait recognition,super pixel segmentation,K-means clusteringClass NumberTP751总第 406 期2023 年第 8 期计算机与数字工程Computer&Digital Engineerin
8、gVol.51 No.818762023 年第 8 期计算机与数字工程2019年 Uddin M Z等针对步态识别中的遮挡问题提出了基于条件深度生成对抗网络(GAN)的遮挡序列(sVideo)的轮廓序列重构,其从重构的序列中估计步态周期并可从一个步态周期图像序列中提取步态特征10。国内研究较晚,但也取得一定的成果,2013年刘志勇等用局部二值模式(LBP)来提取步态能量图(GEI)的局部特征并用于识别11。2019年池凌云提出一种基于深度学习的方法来进行多视角下的步态识别12。段鹏松等13针对现有无线感知步态识别研究中存在的不足,提出了将频率能量图引入卷积神经网络模型,实现了高准确率的多人场景
9、单目标步态识别。目前中科院下孵化的一家公司已经将步态识别运用到了商业领域。步态识别主体分三个阶段:目标区域获取,步态特征提取,步态识别。本文针对具有复杂背景的步态图,运用超像素显著图得到目标区域并用Gabor特征与动态区域结合的方法完成步态特征的提取,达到在复杂背景下分析人体步态特征的目的。2步态视频的获取在实际情景中,人不会一直处于行走状态,为了获得有用的人体步态信息,我们选择视频中人体完全出现且连续行走,并且视频分帧期间上一步态与下一步态有明显差异的最小帧数作为人体步态关键帧提取标准,之后进行关键帧保存。这样,既避免了冗余信息的存在,又保存了有用的人体步态信息,大大提高处理效率。本文对于关
10、键帧的提取过程为先读取视频所有帧,选择恰当的帧数间隔提取。对于本次实验拍摄视频中,5s左右的视频,总共获得170帧左右的图片,行人完全出现在镜头当中并选取5帧为间隔保存相应帧作为关键帧。原始图像大小为10801920。35.jpg45.jpg55.jpg30.jpg40.jpg50.jpg16.jpg26.jpg26.jpg21.jpg31.jpg41.jpg图1本文提取的部分关键帧3基于超像素的目标区域提取算法3.1基于超像素法的目标区域分割SLIC超像素算法将目标图像分割成由一系列位置相邻且具有相似特征(如颜色)的像素点组成的小区域。具体分割流程如下。1)选取聚类中心。假设一幅图像有N个像
11、素点,选取其中某个像素点为聚类中心将其分为K个的同样面积超像素,超像素大小为NK,相邻聚类中心距离为S=Sqrt(NK)(1)2)在聚类中心33范围内计算范围内所有像素的梯度值,将聚类中心重新放在梯度值最小的位置。3)确定N个像素点在选取22范围内与聚类中心的距离,距离最近的划分为一类。距离计算包括颜色距离和空间距离。计算方法如下:Dc=(lj-li)2+(aj-ai)2+(bj-bi)2(2)Ds=(xj-xi)2+(yj-yi)2(3)D=(DcNc)2+(DsS)2(4)公式中Dc表示颜色距离,Ds表示空间距离,Nc与Ns表示类内最大空间距离。4)重复上述步骤直到聚类中心不再发生变化。5
12、)对于划分不均匀的超像素单元,需要建立标记表,按表不重复的顺序重新进行标签分配,遍历完后即可停止,其目的旨在增强超像素连通性,优化结果。如图2所示为超像素分割结果图。图2超像素分割图3.2基于显著图法的人体区域的获取在计算机视觉中,显著性是一种图像分割的模式,而显著图是显示每个像素独特性的图像。显著图旨在于突出一幅图像中最重要的目标。本文验证了四种显著图法(ITTI方法、SR方法、FA方法及FT方法)生成的前景图像如图3所示。1877第 51 卷(a)ITTI法(b)SR法(c)CA法(d)FT法图3四种方法处理结果得到显著区域后,对其显著区域需进行二值化,灰度变换与形态学处理保留最大轮廓提取
13、前景。如图4为结合灰度调整与自适应阈值的二值化分割结果。图4结合灰度变换与自适应阈值的二值化结果二值化图像后图像中出现很多前景,包括目标区域与部分非目标区域。这些每一块区域面积不同,我们计算出不同区域的面积,最后保留最大(只有我们想要的目标前景符合条件)连通域即可。1.jpg2.jpg1.jpg2.jpg3.jpg4.jpg3.jpg4.jpg5.jpg6.jpg5.jpg6.jpg图5部分处理结果示例4步态特征的提取与识别4.1步态轮廓图归一化由于从视频中提取的关键帧,人体目标区域不定,而且图像较大,考虑到后续特征提取计算量,需对其进行尺寸与中心归一化。具体操作过程为设置好归一化后的图像大小
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 复杂 背景 人体 步态 分析 方法