_，?.，?.'，?.的平均值，以分别得到各训练个体 i步态光流图行光流横向分量和向量平均向量.《7、.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 分量和向量平均向量^:V; Step4 :获取到训练集X的总体平均向量： 步态光流图行光流横向分量和向量总平均向量：步态光流图行光流纵向分量和向量总平均向量：步态光流图列光流横向分量和向量总平均向量：步态光流图列光流纵向分量和向量总平均向量：St印5、将训练集的各训练个体i的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niin'、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分量和向量平均向量;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总平均向量M?、步态光流图行光 流纵向分量和向量总平均向量步态光流图列光流横向分量和向量总平均向量M? 以及步态光流图列光流纵向分量和向量总平均向量M'将上述所形成的差值向量即 ，M' -M、-Μλm- -M作为灯向里，i- 1，2, 3, · · ·，I，形成一 个i行的矩阵:?:Step6、计算的特征值λ和对应的特征向量g并将特征向量单位化，得到单位 化后的特征向量Γ :根据:的特征值λ的值按从大到小的顺序对相应单位化后的特征向量I:排序， 选取前η维度的特征向量组合成pca的投影子空间PpJu，PpJv，P pJu，Ρρ:，η满足如下关玄·q表示组成投影空间时选取的维度，Q表示特征向量的总维度； St印7、求出各训练个体i的四个特征向量分别在投影子空间PpJu，P pJv，PpJu，PpJv rurvcucvmrvcucv 下?,c. ,ci ,c.的投影值^ ，pq:，pq，PCi ;求出各训练 个体i分别在投影子空间pPju，pPjv，pP:，pP:下 ，"厂，"广，/"Γ的投影值 mrvcucv % ,Pmi ,Pll： ,p,;求出训练集x分别在投影子空间PpJu，PpJv，PpJu，PpJv 下对应的 M?，M"，M?，Mev的投影值 P 二 P/v，PM?，PMev; St印8、计算各训练个体i的类内散布矩阵jf , f , ，泣f和训练集X总的类内 散布矩阵S?，S"，S' SOT:St印9、计算训练集X总的类间散布矩阵5?ν，S:，St印10、求解训练集X总的类内散布矩阵s?，s's'SIP类间散布矩阵 C，?，*C，C广义特征值Λ-和特征向量z^:按广义特征值Λlda从大到小的顺序对相应的特征向量zlda排序，保留Zlda的前1-1个 特征向量组成线性最佳分类子空间Pla/U，Pla/V，Pla/U，Pla厂； St印11、由投影子空间PpJu，PpJv，P:，Pp:和Plad?，Pla/V，plar，plar组合得到步 态数据库中最终的步态特征投影子空间：,l 一一-，，，、，，，，Qru ru rv rv eu cu St印12、将St印5获取到的差值向量-M、，-M、％ -Af、 ?<ν -m￡V分别对应投影到步态数据库中建立的四个投影子空间广，P'P'Ρεν，得到：7.根据权利要求6所述的基于光流场的步态识别方法，其特征在于，所述步骤S6中识 别过程具体如下： Step13、首先对测试集Y中的各个测试个体对应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，获取到各测试 个体对应步态光流图Fab (X，y);其中测试集Y中测试个体总数为A，各测试个体a的步态光 流图数为Ba，a= 1，2, 3, . . .，A，步态光流图Fab (X，y)表示的是各测试个体a的第b个步态 光流图，其中b=l，2,3，...，Ba; Step14、根据步骤S4提取各测试个体a对应Baf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1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、B，步态光流图列 光流横向分量和向量以及Ba个步态光流图列光流纵向分量和向量形成行数为B3的对应矩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；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；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；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； pfi Cti i'V Step15、分别求矩阵C,C,C,C'的平均值，以分别得到测试个体a步 a a a a 态光流图行光流横向分量和向量平均向量·s、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分量 a a 和向量平均向量; Step16、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 _、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 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W , ?. ?? 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Μ'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Μ'上述所形成的差值 向量即m〇- Μ、m.} - Μ、m〇- Μ,、m} - Μ%然后将差值向量 挪& -Μ、. m'a - Μ、m沈-'Μ 、m α - Μ分别对应投影到步态数据库中建立 的四个投影子空间Ρ'Ρ'Ρ'Ρ'得到：Stepl7、计算测试个体a获取到的if、jf、if、与对应步态数据库训练个体i 获取到的ΧΛΧΓ、ΧΛX，v的欧氏距离Dal'Dal'Dal'DalOT; SteplS、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'Dar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R?以及步态光流图列光流纵向分量和向量识别率RCT; 若测试集Y为第一次测试之后的测试集时，则进入步骤Stepl9 ; 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ΙΓ、步态光流图列光流横向分量和向量识别率ΙΓ 以及步态光流图列光流纵向分量和向量识别率IT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： Dal=RruDalru+RrvDalrv+RcuDalcu+RcvDalcv,i= 1,2, 3, . . . ,I; St印20、根据步骤Stepl9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。8. 根据权利要求7所述的基于光流场的步态识别方法，其特征在于，所述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R"、 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。9. 根据权利要求6所述的基于光流场的步态识别方法，其特征在于，所述步骤St印4中 训练个体i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^1%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 光流纵向分量和向量平均向量分别为：10.根据权利要求7所述的基于光流场的步态识别方法，其特征在于，所述步骤Stepl5 ru 中测试个体u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 U U 列光流纵向分量和向量平均向量分别为：
【专利摘要】本发明公开了一种基于光流场的步态识别方法，根据个体的步态轮廓图像序列获取到步态光流场并检测出步态周期，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，获取到个体步态光流图，提取个体的各步态光流图的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四个步态特征向量。将测试个体的上述四个步态特征向量与步态数据库中训练个体的对应的四个步态特征向量进行匹配，在步态数据库中识别出测试个体。本发明对光流分量分别行列分解得到步态特征来识别身份，能很好的提取人行走过程中的步态运动信息，对服饰、携带物等具有很强的鲁棒性。
【IPC分类】G06K9/00
【公开号】CN105260718
【申请号】CN201510673318
【发明人】杨天奇, 罗正平, 刘延钧
【申请人】暨南大学
【公开日】2016年1月20日
【申请日】2015年10月13日