骤S4提取各测试个体a对应Ba个步态光流图的以下四个步态特 征向量：步态光流图行光流横向分量和向量、步态光流图行光流纵向分量和向量、步态光流 图列光流横向分量和向量以及步态光流图列光流纵向分量和向量，并且分别将上述B a个步 态光流图行光流横向分量和向量、Ba个步态光流图行光流纵向分量和向量、Ba个步态光流 图列光流横向分量和向量以及B a个步态光流图列光流纵向分量和向量形成行数为B a的对 应矩阵
[0221] ruab表示测试个体a第b个步态光流图对应的步态光流图行光流横向分量和向 量；
[0223] rvab表示测试个体a第b个步态光流图对应的步态光流图行光流纵向分量和向 量；
[0225] CUab表示测试个体a第b个步态光流图对应的步态光流图列光流横向分量和向 量；
[0227] CVab表示测试个体a第b个步态光流图对应的步态光流图列光流纵向分量和向 量；
[0228] Step 15、分别求矩阵
的平均值，以分别得到测试个体 a步态光流图行光流横向分量和向量平均向量.、步态光流图行光流纵向分量和向量平 均向量、.步态光流图列光流横向分量和向量平均向量?@以及步态光流图列光流纵向 Ct <2 分量和向量平均向量》;分别为：
[0233] Step 16、将各测试个体a的步态光流图行光流横向分量和向量平均向 量》1.、步态光流图行光流纵向分量和向量平均向量、.步态光流图列光流横向 a a Cu (2，γ 分量和向量平均向量》;、.以及步态光流图列光流纵向分量和向量平均向量OT , Lt Cl 分别对应减去训练集X的步态光流图行光流横向分量和向量平均向量Μ?、步态光 流图行光流纵向分量和向量平均向量M'步态光流图列光流横向分量和向量平均 向量Μ?以及步态光流图列光流纵向分量和向量平均向量M'上述所形成的差值 向重即m ^ - M 、 m 'M 、- M > m ^ - M 然后将差值向東 ma - M λ ma - M > ma - M ' m^ - M 分力ll对应投景>到步态数据库中建H 的四个投影子空间P' P' P' P'得到：
[0237] Stepl7、计算测试个体a获取到的y?、广、r、. Γ与对应步态数据库训练个 a a. 'a a 体i获取到的<、<、<、< 的欧氏距离士"、C、
[0238] St印18、若测试集Y为第一次测试的测试集时，则根据欧氏距离Dal' Dal' Dal' DalOT按最近邻分类算法得到测试个体a和步态数据库中训练个体i之间的步态光流图行光 流横向分量和向量识别率R'步态光流图行光流纵向分量和向量识别率IT、步态光流图列 光流横向分量和向量识别率IT以及步态光流图列光流纵向分量和向量识别率ROT;
[0239] 若测试集Y为第一次测试之后的测试集时，则进入步骤Stepl9 ;
[0240] St印19、将步骤Stepl7中获取到的测试个体a和步态数据库训练个体i之间欧氏 距离Dal' Dal' Daleu、Dalev与步骤St印17获取的步态光流图行光流横向分量和向量识别率 R?、步态光流图行光流纵向分量和向量识别率IT、步态光流图列光流横向分量和向量识别 率IT以及步态光流图列光流纵向分量和向量识别率R ot进行特征融合，得到测试个体a与 步态数据库中训练个体i之间的总欧氏距离：
[0241] Dal = R ruDalru+RrvDal rv+RcuDalcu+RcvD alcv，i = 1，2, 3, · · ·，I，a = 1，2, 3, · · ·，A ;
[0242] St印20、根据步骤Step 19获取到的测试个体a与步态数据库中各训练个体 i之间的总欧氏距离Dal，将步态数据库中与测试个体a之间总欧氏距离最小的训练 个体作为测试个体的识别结果。其中最近邻分类算法具体的分类过程例如：若满足 Dai < _/}，则测试个体a在步态数据库中的匹配结果为步态数据库训练集个体 Io
[0243] 本实施例Stepl8中步态光流图行光流横向分量和向量识别率R'步态光流图行 光流纵向分量和向量识别率IT、步态光流图列光流横向分量和向量识别率R'步态光流图 列光流纵向分量和向量识别率IT均为采用最近邻分类算法后的分类正确个体与总测试个 体的比值。
[0244] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的 限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化， 均应为等效的置换方式，都包含在本发明的保护范围之内。
【主权项】
1. 一种基于光流场的步态识别方法，其特征在于，步骤如下： 51、 获取个体的步态轮廓图像序列，其中步态轮廓图像序列中相邻两帧图像形成一个 步态光流场； 52、 获取各个步态光流场光流纵向分量的代数和，根据光流纵向分量的代数和的周期 变化确定步态周期； 53、 选定步态轮廓图像序列中的多个步态周期，然后将步态轮廓图像序列中多个步态 周期下的各个步态光流场相叠加，得到每个个体的步态光流图； 54、 针对每个个体的步态光流图提取以下四个步态特征向量：步态光流图行光流横向 分量和向量、步态光流图行光流纵向分量和向量、步态光流图列光流横向分量和向量以及 步态光流图列光流纵向分量和向量； 55、 建立步态数据库：根据步骤S1至S4获取到训练集中训练个体的步态光流图的四个 步态特征向量，并且存储于步态数据库中； 56、 通过步骤S1至S4获取到测试集中测试个体的步态光流图的四个步态特征向量，并 且与步态数据库存储的训练集各训练个体的步态光流图的四个步态特征向量相匹配，根据 匹配效果识别出测试个体。2. 根据权利要求1所述的基于光流场的步态识别方法，其特征在于，所述步骤S2中，各 个光流场光流纵向分量的代数和T(t)为：其中X，y分别表示步态光流场的列号和行号，W，Η分别表示步态光流场的列号总数和 行号总数，t表示个体步态轮廓图像序列图像的帧数；fv(x，y，t)表示步态轮廓图像序列中 第t帧与第t+Ι帧图像形成的光流场在（X，y)处的纵向分量。3. 根据权利要求1所述的基于光流场的步态识别方法，其特征在于，所述步骤S3中每 个个体的步态光流图F(X，y)为：其中X，y分别表不步态光流图F(x,y)的列号和行号；fT(x,y,t)表示步态轮廓图像序 列中选定的第T个步态周期内第t帧与第t+Ι帧图像形成的光流场，1表示步态轮廓图像序 列中选定的每个步态周期内图像的总帧数，L为步态轮廓图像序列中选定的步态周期T的 总数。4. 根据权利要求1所述的基于光流场的步态识别方法，其特征在于，所述步骤S4中每 个个体的步态光流图提取的四个步态特征向量如下，其中 步态光流图行光流横向分量和向量为ru，其中ru(h)为：步态光流图行光流纵向分量和向量为rv，其中rv(h)为：步态光流图列光流横向分量和向量为CU，其中cu(w)为：步态光流图列光流纵向分量和向量为CV，其中cv(w)为：其中h表示每个个体的步态光流图的行号，h= 1，2, "·，Η，Η表示行号总数;w表示每 个个体的步态光流图的列号，w= 1，2,…，W，W表示列号总数；其中u表示步态光流图光流 横向分量，ν表示步态光流图光流纵向分量；I(u，h，w)表示步态光流图在行号、列号分别为 h、w处的光流横向分量，I(V，h,w)表示步态光流图在行、列号分别为h、w处的光流纵向分 量。5. 根据权利要求1所述的基于光流场的步态识别方法，其特征在于，测试集测试个体 的步态光流图的步态特征向量与步态数据库存储的训练集各训练个体的步态光流图的步 态特征向量通过PCA算法和LDA算法相结合的方式进行匹配，根据匹配效果识别出测试个 体。6. 根据权利要求5所述的基于光流场的步态识别方法，其特征在于，所述步骤S5中，建 立步态数据库时具体操作步骤如下： Stepl、首先对训练集X中的各个训练个体的步态轮廓图像序列进行重心归一化处理， 将重心归一化处理后的步态轮廓图像序列进行步骤S1至S3的处理，获取到各训练个体的 步态光流图匕,(X，y);其中训练集X中训练个体总数为I，其中各训练个体i的步态光流图 的数目为Λ，i= 1，2, 3,. . .，I，步态光流图(X，y)表示的是各训练个体i的第j个步态 光流图，其中j= 1，2, 3，...，J1;训练集X总共获取到步态光流图的总数N为：Step2、根据步骤S4提取各训练个体i对应1个步态光流图的以下四个步态特征向 量：步态光流图行光流横向分量和向量、步态光流图行光流纵向分量和向量、步态光流图列 光流横向分量和向量以及步态光流图列光流纵向分量和向量，并且分别将上述Λ个步态 光流图行光流横向分量和向量、Λ个步态光流图行光流纵向分量和向量、几个步态光流图 列光流横向分量和向量以及Ji个步态光流图列光流纵向分量和向量形成行数为Ji的矩阵分别表示各训练个体i第j个步态光流图对应的步态光流图行光流横向分量和向 量；rVlj分别表示各训练个体i第j个步态光流图对应的步态光流图行光流纵向分量和向 量；cuu分别表示各训练个体i第j个步态光流图对应的步态光流图列光流横向分量和向 量；cVlj分别表示各训练个体i第j个步态光流图对应的步态光流图列光流纵向分量和向 量； rn ry cu CV st印3、分别求取矩阵?.