本发明涉及机器视觉技术领域，特别是涉及基于多轮廓特征融合的步态识别方法。
背景技术：
随着科学技术的发展，安全已经成为了一个不可避免的问题，无论是公共安全还是个人信息安全，都需要得到有效的保护。身份识别是安全中非常重要的一环，它能够鉴别身份并判断其是否具有行使某种权利的资格，可以在刑侦领域提供很多证据，可以作为一个公司考勤的依据等。但传统身份识别方法(例如手工签到和笔迹等)因为技术过于简陋，极易被别人伪造和使用，已经难以满足这个社会的需求。而生物特征识别技术(例如指纹识别、人脸识别和dna等)能够方便快捷的解决这个问题，并且更加的安全可靠，可以根据不同的应用领域配备不用的设备进行识别，并实现自动化管理。
类似于指纹识别、人脸识别和dna这类的生物特征识别在使用时是需要目标配合并且接近甚至触摸到识别设备的，但是在一些公共场合我们无法要求每个人都配合识别。这时步态识别就进入了我们的视野当中，类似于我们人眼通过一个人走路的姿态来鉴别自己熟悉的人的身份，步态识别从视频中提取目标各类不同的特征，通过这些特征来进行识别。步态识别对视频图像要求不高，不需要目标的配合或者与识别设备有物理上接触，可以在远距离的进行身份识别，另外步态是一个人的习惯使然，是很难去伪装的。综上所述，步态识别相对其他的生物特征识别技术有着许多独特的优势，这些优势使得它成为一种独特的最有前景和潜力的生物特征，在安全监控实、医学治疗及运动等方面有着广泛的应用前景。
现有的步态识别有的是基于模型的人体特征为基础的，这类方法人体建模复杂，识别过程繁琐且得到的特征识别率不高；有的是基于非模型的方法，这类方法现在使用较为普遍，但是现有的技术都在考虑用一种方法去解决一些很广泛的问题，并且识别率不高，很显然在不同的场景下使用能够对应相对的问题的方法才能取得较好的识别率。
技术实现要素：
本发明实施例提供了基于多轮廓特征融合的步态识别方法，可以解决现有技术中存在的问题。
基于多轮廓特征融合的步态识别方法，包括以下步骤：
使用摄像机获取目标的视频信号，然后从所述视频信号中逐帧获取步态图像，对获取的步态图像转换为灰度图像；
对所述灰度图像采用背景减除法获取对应的运动目标图像；
以所述运动目标图像中的目标轮廓为基础，相邻三次运动目标图像的宽度达到最大值时的帧数作为一个步态周期，一个步态周期内的多个运动目标图像组成一个步态图像序列；
对所述步态图像序列中的各图像分别进行关键距离特征提取、轮廓宽度特征提取和统计小波特征提取三个处理，分别得到关键距离特征、轮廓宽度特征和统计小波特征，将得到的关键距离特征、轮廓宽度特征和统计小波特征用拼接的方法结合在一起，得到一个一维的特征向量作为最终的特征向量；
计算上述特征向量和样本空间中各样本之间的欧氏距离，选取计算得到的多个欧式距离中最小的一个，将特征向量分配到相应的样本类中。
本发明实施例中的基于多轮廓特征融合的步态识别方法，使用了目前步态识别中常见的基于非模型的方法提取特征，该方法简单有效，所有的特征在同一组图像序列中提取，使得特征方便提取，而且本发明提取的特征维度较低，因此识别时反应时间较短。本发明的方法在90度的视角下取得98.33％的识别率，同时在其他角度下也有着90％以上的识别率。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了基于多轮廓特征融合的步态识别方法，该方法包括以下步骤：
获取待测图像序列：使用摄像机获取目标的视频信号，然后从所述视频信号中逐帧获取步态图像，对获取的步态图像转换为灰度图像。
运动检测：对上述获得的多个灰度图像采用背景减除法获取对应的多个运动目标图像。
周期检测：定义运动目标同一条腿两次向前跨幅达到最大时为一个周期，对上述获取的多个运动目标图像以目标轮廓为基础，相邻三次运动目标图像的宽度达到极大值时的帧数作为一个步态周期，一个步态周期中的运动目标图像组成一个步态图像序列。
特征提取：对上述获取的步态图像序列中的各图像进行以下三个处理：关键距离特征提取、轮廓宽度特征提取和统计小波特征提取。
关键距离特征提取：首先根据公式(1)计算所述步态图像序列中的各图像中的目标质心(xc，yc)，然后计算目标头顶、双手和双脚五个关键点的位置，最后根据公式(2)提取目标质心到五个关键点的距离di作为步态特征：
其中，(xk，yk)为图像轮廓上任一点的坐标，n为轮廓上点的个数。
得到每个图像上的五个关键距离后，对这些关键距离求取最大值maxd、最小值mind、平均值meand、和标准差stdd，最大值maxd和最小值mind体现人走动时肢体的摆动幅度大小，当质心到肢体各点距离最大时，代表人体在行走时跨幅达到最大时候的状态，这时质心到头顶的距离也是最小的。平均值meand和标准差stdd体现了一个周期内连续帧之间的距离变化情况，体现目标在行走时的时间特征。将上述的得到的五个关键距离的最大值、最小值、平均值和标准差作为目标的关键距离特征f1。
轮廓宽度特征提取：提取所述步态图像序列中的各图像中轮廓的双手之间的距离d1、双脚之间的距离d2、以及高度d3，然后对这三类距离d1、d2和d3求取最大值maxd、最小值mind、平均值meand和标准差stdd。将上述得到的三个距离的最大值、最小值、平均值和标准差作为目标的轮廓宽度特征f2。
统计小波特征提取：对所述步态图像序列中的各图像按照6:4的比例分割为上半部和下半部，然后分别对每一部分图像做三级的haar小波变换，提取两部分小波变换后的低频部分，再对每个图像低频部分的统计特征分别计算平均值和标准差，这时由一个周期内所有图像统计特征的平均值和标准差分别组成平均值向量和标准差向量，最后分别对两个向量进行平均和求标准差的处理，得到值作为统计小波特征f3。
最后将经过上述三个特征提取步骤得到的关键距离特征f1、轮廓宽度特征f2和统计小波特征f3用拼接的方法结合在一起，得到一个一维的特征向量作为最终的特征向量。
步态识别：使用以下公式计算上述特征向量和样本空间中各样本之间的欧氏距离，作为度量特征向量和样本之间的相似度依据：
其中，dn为特征向量和样本空间中第n个样本之间的欧氏距离，s为特征维度，pm为特征向量的第m个特征分量，qnm为样本空间中第n个样本的第m个特征分量，dn越小，表示特征向量和，若大于，则视为该特征向量不存在于样本空间中中的样本越相似。选取上述计算得到的多个欧式距离中最小的一个，如果这个欧氏距离小于设定的阈值，则将特征向量分配到样本空间相应的样本类中，若大于，则视为该特征向量不存在于样本空间中。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。