基于人體重心軌跡分析的步態特征提取方法技術

本發明專利技術公開了一種基于人體重心軌跡分析的步態特征提取方法，包括下述步驟：S1、步態檢測與跟蹤，將原始視頻圖像轉換為單通道灰度圖像，再進行高斯濾波平滑圖像，并將圖像轉換為二值圖；S2、計算人體重心位置，將運動目標運動中每一幀圖像的重心坐標在同一坐標系中連接，得到行人的重心軌跡；S3、將去噪后的步態波形輸入計算機，應用公式計算出對應于K次諧波頻率的諧波振幅，并繪制輸出相應的頻譜圖。本發明專利技術不僅能解決當前提取特征方法面臨的難題，還能從復雜的步態圖像中提取出一維的步態特征向量，便于進一步的分析、訓練和識別。

【技術實現步驟摘要】
基于人體重心軌跡分析的步態特征提取方法
本專利技術涉及信息科學的
，特別涉及一種基于人體重心軌跡分析的步態特征提取方法。
技術介紹
目前，步態特征主要由人行走的圖像的不同幀之間的差異來表示。由于人行走過程的圖像差異主要表現為腿部和雙腳的變化，所以當前的步態特征提取主要是以腿部角度和雙腳與地面角度的變化來實現，即使是基于整體圖像的速度、形狀、色彩等相關特征提取的步態特征，最根本的變化仍然是雙臂和雙腿的擺動引起的變化，軀干部分的變化仍然是可忽略的。已知當前的步態特征提取技術都基于輪廓提取技術，而輪廓極易受到行人的服飾、攜帶物和行走方向的影響，從而使提取的步態特征不能反映本質的步態習慣。尤其當服飾遮蓋至腿部以下時，傳統的特征提取方法則會完全失去識別能力。
技術實現思路
為了克服現有的步態特征提取方法易受服飾、攜帶物和行走方向影響的缺陷，本專利技術提出一種基于人體重心軌跡分析的步態特征提取方法，該方法不僅能解決當前提取特征方法面臨的難題，還能從復雜的步態圖像中提取出一維的步態特征向量，便于進一步的分析、訓練和識別。本專利技術的目的通過下述技術方案實現：基于人體重心軌跡分析的步態特征提取方法，包括下述步驟：S1、步態檢測與跟蹤，將原始視頻圖像轉換為單通道灰度圖像，再進行高斯濾波平滑圖像，并將圖像轉換為二值圖；S2、計算人體重心位置，將運動目標運動中每一幀圖像的重心坐標在同一坐標系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態特征，通過對重心軌跡進行頻譜分析得到步態特征向量；S3、將去噪后的步態波形輸入計算機，應用公式計算出對應于K次諧波頻率的諧波振幅，并繪制輸出相應的頻譜圖；觀察并統計出數據庫中不同人的頻率、振幅、主要頻率等相關數據；由于行走方向會使得提取的目標區域整體放大或縮小，引起重心坐標呈現整體的放大或縮小趨勢，從而使頻譜圖的振幅呈現整體的放大或縮小，通過檢測頻譜圖的譜峰分布即可消除振幅幅值的影響。通過觀察、計算，找出反映步態特征的主要信號值，形成作為模式識別輸入的特征信號向量空間。步驟S1中，采用三幀差分發將高斯濾波后的圖像轉為為二值圖，具體計算如下：式中：In(x)表示第n幀圖像在像素位置x處的具有統計意義的描述灰度變化的域值，In-1(x)表示第n-1幀圖像在像素位置x處的灰度域值，In-2(x)表示第n-2幀圖像在像素位置x處的灰度域值，Tn(x)則表示第n幀圖像灰度變化的閾值，；當某像素位置x處的灰度值相對于上一幀和前一幀都有較大變化，即超過閾值時，則認為該點像素屬于運動目標，這樣將運動目標從背景中分離出，重復操作即得到一系列前景目標圖像。步驟S2中，計算人體重心位置的具體方法為：S21、通過人體區域像素計算重心坐標；由于對檢測出的運動目標區域內部通常產生中空，而目標重心的計算公式中的求和運算具有正負抵消作用，這樣一定程度上消除了中空對特征檢測的影響，因此后續的目標特征選取為目標的重心變化，計算如下：N=目標區域內像素點數S22、根據目標高度歸一化重心坐標值；由于行人在行走過程中與攝像頭的距離不斷變化，導致照片中人體大小產生變化，從而使檢測到的人體重心軌跡呈現整體升高或下降的趨勢；采用將每幀圖像中計算得到的重心坐標值除以當前幀人體高度的方法消除該影響，公式如下：h=ymax-ymin式中，h表示當前幀人體高度，ymax表示人體目標的y坐標最大值，ymin表示人體目標的y坐標最小值，gait1表示初始得到的重心坐標值，gait2表示歸一化后的重心坐標值。依次求出視頻中每一幀圖像的目標重心并記錄，就可繪出行走目標的重心運動軌跡波形圖；S23、將運動軌跡波形存儲，構建步態波形數據庫；將測試者分為標準組、服飾組和負重組，每一組進行多視角測量，計算并記錄實時重心軌跡，此時即將步態特征量從高維圖像空間轉換到一維電氣信號波形的空間。步驟S2中，人體行走的步態波形是時間的連續函數x(t)，但實際上只能在有限的時間T內收集到有限的x(t)值；把x(t)當作以T為周期的連續函數，則可將它展開為傅立葉級數，其指數形式如下：K=0、±1、±2、±3……式中：f=1/T為周期函數x(t)基頻，2f，3f…kf分別成為二次諧波頻率，三次諧波頻率，…,K次諧波頻率；CK為x(t)的富氏系數，它為復數，其模|CK|即各次諧波的振幅，|C0|為各次諧波的平均振幅，|C1|、|C2|、……|CK|分別稱為基波振幅，二次諧波振幅，.......K次諧波振幅。進一步的，對主頻進行分析，主頻成分是指高于閾值的波峰所對應的頻段，由于重心的左右擺動和上下震蕩主要表現為小幅波動，所以，因人體的行走方向所形成的軌跡波動是重心軌跡波形的主要組成部分，反映在頻譜圖的最低頻段。對主頻振幅進行分析，主頻振幅是指各主頻成分所對應的正弦波幅值的大小；當人在行走過程中步態高低起伏明顯時，正側面視角下的重心軌跡波形的振幅就會較大，反映在頻譜圖上即是低頻段波峰對應波峰幅值較大。采用分割量化的方法對測量得到的頻譜圖進行量化，得到可以直接進行識別的數據特征向量；即統計頻譜圖在各個頻段的波峰數目，如果沒有波峰則記為0，最后統計得到的0、1序列即為量化得到的步態特征值；將該特征量輸入模式識別工具即可進行識別。本專利技術相對于現有技術具有如下的優點及效果：1、本專利技術不僅能解決當前提取特征方法面臨的難題，還能從復雜的步態圖像中提取出一維的步態特征向量，便于進一步的分析、訓練和識別。2、采用本專利技術的技術方案，已知一個人行走一次的步態序列特征，當其改變其服飾（包括覆蓋至腿部以下的服飾）、攜帶物和行走方向時，得到的步態特征是類相似的，可以有效與其他行人提取的特征區分開。3、本專利技術將重心的波動軌跡作為步態描述的基本特征，重心波動同時受到骨骼密度、肢體軀干比例、腿部長度等多方面因素的影響，具有不易偽裝的優勢，而且通過以點代面的方式動態地研究步態規律，避免了傳統的輪廓分析的復雜過程。即使行人輪廓被部分遮擋，只要能拍攝到行人行走周期的視頻，即可提取出重心的波動。4、本專利技術將基于傅里葉變換的頻譜分析方法引入對步態重心軌跡的處理過程中，可以解決因拍攝視角引起的重心軌跡的整體趨勢不同造成的影響，并且使微小的波動特征得以放大，對研究具有多樣性的步態特征具有獨特的優勢。5、本專利技術將波峰的分布特征作為識別的基本特征，一方面可以方便地檢測和消除噪聲，另一方面可以清晰地反映不同人的重心波動在各個頻段的分布特點。因不同人在行走過程中重心的波動在不同頻段的分布會有較大差異，因此本方法提取的特征向量具有很好地區分度。6.本專利技術中二維圖像的重心計算公式使用了加和的計算方法，可以有效地消除運動目標檢測過程中引起的空洞和隨機噪聲，所以對于不具有較高清晰度的步態視頻仍可以進行提取和識別。附圖說明圖1是本專利技術的流程圖；圖2（a）是人體重心示意圖；圖2（b）是跟蹤得到的重心軌跡圖；圖3（a）是重心沒有超過垂直幅度時從正面看的重心位移示意圖；圖3（b）是從側面看的重心位移示意圖；圖4是人體在行走過程中的軌跡波形圖。具體實施方式下面結合實施例及附圖對本專利技術作進一步詳細的描述，但本專利技術的實施方式不限于此。實施例如圖1所示，本專利技術基于人體重心軌跡分析的步態特征提取方法，包括下述步驟：1.步態檢測與跟蹤先將原始視頻圖像轉本文檔來自技高網...

【技術保護點】
基于人體重心軌跡分析的步態特征提取方法，其特征在于，包括下述步驟：S1、步態檢測與跟蹤，將原始視頻圖像轉換為單通道灰度圖像，再進行高斯濾波平滑圖像，并將圖像轉換為二值圖；S2、計算人體重心位置，將運動目標運動中每一幀圖像的重心坐標在同一坐標系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態特征，通過對重心軌跡進行頻譜分析得到步態特征向量；S3、將去噪后的步態波形輸入計算機，應用公式計算出對應于K次諧波頻率的諧波振幅，并繪制輸出相應的頻譜圖；觀察并統計出數據庫中不同人的頻率、振幅、主要頻率等相關數據；由于行走方向會使得提取的目標區域整體放大或縮小，引起重心坐標呈現整體的放大或縮小趨勢，從而使頻譜圖的振幅呈現整體的放大或縮小，通過檢測頻譜圖的譜峰分布即可消除振幅幅值的影響，通過觀察、計算，找出反映步態特征的主要信號值，形成作為模式識別輸入的特征信號向量空間。

【技術特征摘要】
1.基于人體重心軌跡分析的步態特征提取方法，其特征在于，包括下述步驟：S1、步態檢測與跟蹤，將原始視頻圖像轉換為單通道灰度圖像，再進行高斯濾波平滑圖像，并將圖像轉換為二值圖；S2、計算人體重心位置，將運動目標運動中每一幀圖像的重心坐標在同一坐標系中連接，得到行人的重心軌跡，重心軌跡則包含了人行走的步態特征，通過對重心軌跡進行頻譜分析得到步態特征向量；S3、將去噪后的步態波形輸入計算機，應用公式計算出對應于K次諧波頻率的諧波振幅，并繪制輸出相應的頻譜圖；觀察并統計出數據庫中不同人的頻率、振幅、主要頻率等相關數據；由于行走方向會使得提取的目標區域整體放大或縮小，引起重心坐標呈現整體的放大或縮小趨勢，從而使頻譜圖的振幅呈現整體的放大或縮小，通過檢測頻譜圖的譜峰分布即可消除振幅幅值的影響，通過觀察、計算，找出反映步態特征的主要信號值，形成作為模式識別輸入的特征信號向量空間；步驟S2中，計算人體重心位置的具體方法為：S21、通過人體區域像素計算重心坐標；重心坐標計算公式如下：N＝目標區域內像素點數S22、根據目標高度歸一化重心坐標值；公式如下：h＝ymax-ymin式中，h表示當前幀人體高度，ymax表示人體目標的y坐標最大值，ymin表示人體目標的y坐標最小值，gait1表示初始得到的重心坐標值，gait2表示歸一化后的重心坐標值，依次求出視頻中每一幀圖像的目標重心并記錄，就可繪出行走目標的重心運動軌跡波形圖；S23、將運動軌跡波形存儲，構建步態波形數據庫；將測試者分為標準組、服飾組和負重組，每一組進行多視角測量，計算并記錄實時重心軌跡，此時即將步態特征量從高維圖像空間轉換到一維電氣信號波形的空間。2.根據權要求1所述基于人體重心軌跡分析的步態特征提取方法，其特征在于，步驟S1中，采用三幀差分發將高斯濾波后的圖像轉為為二值圖，具體計算如下：式中：In(x)表示第n幀圖像在像素位置x處的具有統計意義的描...

【專利技術屬性】
技術研發人員：楊天奇，陳欣，
申請(專利權)人：暨南大學，
類型：發明
國別省市：廣東;44