摘 要:步態(tài)周期是步態(tài)的一個(gè)重要特征,步態(tài)識(shí)別是建立在準(zhǔn)確的步態(tài)周期分割之上的。本文提出了一個(gè)基于下肢輪廓的步態(tài)周期檢測(cè)方法,首先對(duì)步態(tài)序列圖像進(jìn)行灰度化,然后計(jì)算各像素點(diǎn)在步態(tài)圖像序列中的中值,獲取整個(gè)步態(tài)序列圖像的背景,提取人體目標(biāo)后,利用數(shù)學(xué)形態(tài)學(xué)方法和區(qū)域跟蹤算法填補(bǔ)二值化圖像中的空洞;采用輪廓跟蹤算法獲得人體下肢輪廓,并將其轉(zhuǎn)換為對(duì)應(yīng)距離向量,在一個(gè)步態(tài)系列中利用距離向量范數(shù)研究步態(tài)周期。本算法計(jì)復(fù)雜度低,魯棒性好,精確度高。
關(guān)鍵詞:步態(tài)周期;背景減除;輪廓跟蹤;Shen濾波
中圖分類號(hào):TP391.4
步態(tài)識(shí)別是根據(jù)人們走路的姿勢(shì)來(lái)進(jìn)行身份識(shí)別[1],步態(tài)識(shí)別是視頻監(jiān)控領(lǐng)域中的一個(gè)研究熱門。目前,大多數(shù)步態(tài)識(shí)別的研究都是建立在周期分割很好的基礎(chǔ)之上的,因此,步態(tài)周期的研究在步態(tài)識(shí)別中具有非常重要的意義。步態(tài)周期的研究主要有:Boulgouris[2]等人和BenAbdclkader[3]等人利用步態(tài)輪廓的自相關(guān)性來(lái)研究步態(tài)的周期性;Kale等利用人體寬度向量的范數(shù)隨時(shí)間的變化規(guī)律來(lái)計(jì)算步態(tài)周期;Sarkar等人采用人體區(qū)域下部分像素點(diǎn)的周期性的變化規(guī)律確定步態(tài)的周期特性;BenAbdelka則利用人體輪廓的邊界矩形框的寬度變化特點(diǎn)來(lái)確定步態(tài)周期;王科俊[4]利用基于區(qū)域特征的方法研究步態(tài)周期;陳實(shí)[5]等人以步態(tài)序列中人體輪廓區(qū)域外接矩形框作為圖像區(qū)域,在圖像區(qū)域自下而上的1/4高度內(nèi),等量水平分割三個(gè)區(qū)域,計(jì)算各區(qū)累計(jì)輪廓點(diǎn)數(shù),利用相應(yīng)的點(diǎn)分布直方圖特征檢測(cè)出步態(tài)周期。
1 圖像預(yù)處理
先對(duì)視頻中的單幀圖像進(jìn)行灰度變換后,利用如下辦法獲取背景圖像和差分圖像:
Isub(x,y,t)=I(x,y,t)-b(x,y)其中,{I(x,y,t)}為步態(tài)序列。
對(duì)差分圖像Isub(x,y,t)二值化后,利用數(shù)學(xué)形態(tài)學(xué)方法、單連通分析和區(qū)域跟蹤算法填充二值圖像的空洞(如圖1(e))。
(a)灰度圖像 (b)背景圖像
(c)背景減除圖像 (d)二值圖像 (e)人體目標(biāo)
圖1 序列圖像預(yù)處理
2 特征提取
步態(tài)周期是指同一只腳連續(xù)兩次觸地的時(shí)間間隔[5]。由于行走過程中,人的下肢擺動(dòng)是具有周期性的,在本文通過提取下肢周期性擺動(dòng)的特征數(shù)據(jù),研究特征數(shù)據(jù)的統(tǒng)計(jì)規(guī)律,根據(jù)數(shù)據(jù)分布規(guī)律來(lái)確定序列圖像中的步態(tài)周期。
(a) (b) (c)
(d) (e) (f)
圖2 側(cè)面步態(tài)下肢輪廓
我們按攝像機(jī)鏡頭和人行走方向所成的角度,將步態(tài)分成正面步態(tài)和側(cè)面步態(tài)。對(duì)于正面步態(tài),我們考慮每個(gè)狀態(tài)左右腿的面積之差的變化規(guī)律[6],此方法解決了正面步態(tài)的周期檢測(cè),但由于側(cè)面步態(tài)下肢面積變化不具有規(guī)律性,因此這一方法不適用于側(cè)面步態(tài)周期檢測(cè)。對(duì)于側(cè)面步態(tài),我們利用邊界跟蹤算法獲取下肢輪廓,按公式(1)計(jì)算輪廓質(zhì)心:
, (1)
其中Nb為輪廓邊界點(diǎn)數(shù),(xi,yi)為輪廓邊界點(diǎn)像素坐標(biāo)。
按逆時(shí)針方向?qū)⑤喞吔缯归_,計(jì)算由邊界像素點(diǎn)到質(zhì)心的距離(如圖3所示),并所組成一個(gè)距離信號(hào),對(duì)距離信號(hào)進(jìn)行采樣,得到距離信號(hào)向量 ,其中:
(2)
則 (3)
當(dāng)步幅最小時(shí)(圖2(a),(c),(e)),對(duì)應(yīng)的 是一個(gè)極小值,當(dāng)步幅最大時(shí)(圖2(b),(d),(f)),對(duì)應(yīng)的 是一個(gè)極大值。由向量 的范數(shù)變化具有周期性,其周期恰好等于一個(gè)步態(tài)周期。 的范數(shù)變化情況如圖4所示。
圖3 外輪廓展開圖
圖4 距離向量變化曲線
3 沈俊算子濾波
Shen濾波器原理[7]:
設(shè)f(x)是信號(hào)源,則
式中,fR(x)是f(x)對(duì)信號(hào)源先進(jìn)行正向遞歸濾波然后再進(jìn)行反向遞歸濾波后的輸出,其中fL(0)=f(0),fR(N)=fL(N), 0<α<1。在實(shí)驗(yàn)中,我們選取α=0.2,利用公式(4)對(duì)距離變化曲線 進(jìn)行濾波后,得到光滑的變化曲線(圖6(a),6(b))。設(shè)F(x)為經(jīng)過Shen濾波器濾波后的得到的曲線,對(duì)F(x)再次利用公式(3)進(jìn)行正向和反向遞歸濾波,設(shè)濾波后的輸出分別為I1,I2,F(xiàn)(x)的過零點(diǎn)可由公式(5)求出,如圖5所示,相鄰的兩個(gè)過零點(diǎn)的時(shí)間間隔等于1/2個(gè)步態(tài)周期。
(5)
(a)
(b)
圖5 濾波后的歩態(tài)特征曲線
4 實(shí)驗(yàn)結(jié)果分析
本算法在Intel corei5 CPU,4G RAM的WindowXP平臺(tái)下,利用VC6.0編程,在CASIA步態(tài)數(shù)據(jù)庫(kù)和Soton samllDB數(shù)據(jù)庫(kù)中,均能正確檢測(cè)出步態(tài)周期。實(shí)驗(yàn)證明本文提出的步態(tài)周期檢測(cè)算法,復(fù)雜度低,魯棒性好,在Soton samllDB數(shù)據(jù)庫(kù)中對(duì)手里拎著一個(gè)包的人體步態(tài),也能正確檢測(cè)出正確的步態(tài)周期。如圖6所示。
圖6
致謝:感謝中國(guó)科學(xué)院自動(dòng)化研究所和英國(guó)南安普頓大學(xué)提供的步態(tài)數(shù)據(jù)庫(kù)。
參考文獻(xiàn):
[1]王亮,胡衛(wèi)明,譚鐵牛.基于步態(tài)的身份識(shí)別[J].計(jì)算機(jī)學(xué)報(bào),2003(03).
[2]N.V.Boulgouris,K.Plataniotis,and D.Hatzinakos,Gait Recognition Using Dynamic Time Warping,Proc.2004 IEEE Workshop on Multimedia Signal Processing,IEEEPress,pp,2005.
[3]C.Ben-Abdelkader,R.Cutler,and L.Davis.Motion-based recognition of people in eigengait space.In IEEE Conf Automatic Face and Gesture Recognition,pages,2002.
[4]王科俊,賁晛燁,基于區(qū)域特征分析的步態(tài)周期檢測(cè)方法[P].哈爾濱:哈爾濱工程大學(xué),2009.
[5]陳實(shí),馬天駿,黃萬(wàn)紅.用于步態(tài)識(shí)別的多層窗口圖像矩[J].電子與信息學(xué)報(bào),2009(01).
[6]潘興廣,楊國(guó)榮.基于視頻的正面步態(tài)周期檢測(cè)方法[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2013(06).
[7]Lin Wang,Renlong Pan,Mo Dai.An Efficient Method Based on Orientation Field for Detection of License Plates,F(xiàn)uzzy Systems and Knowledge Discovery,2009.FSKD'09.Sixth InternationalConference on Volume 5.
作者簡(jiǎn)介:潘興廣(1979-),男,貴州黃平人,實(shí)驗(yàn)師,研究方向:計(jì)算機(jī)視覺、模式識(shí)別和圖像處理;楊國(guó)榮(1979-),男,講師,貴州安順人,研究方向:計(jì)算機(jī)視覺、模式識(shí)別和圖像處理。
作者單位:貴州民族大學(xué)模式識(shí)別與智能系統(tǒng)實(shí)驗(yàn)室,貴陽(yáng) 550025;貴州師范學(xué)院 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,貴陽(yáng) 550018
基金項(xiàng)目:貴州民族大學(xué)2013年科研基金資助項(xiàng)目。