基于视频的步态识别算法
发布时间:2023-04-08 04:10:03
基于视频的步态识别算法许易操【摘要】Video-basedhumanrecognitionistheresearchhotspotsofcomputerversion.Sincefacerecognitionisgreatlylimitedbytheangleofhu-man,gaitrecognitionhasamoreimportantpositioninthescaleofhumanrecognition.IntroduceshumandetectionbasedonHOG+SVMalgorithm.UsesGrabcutalgorithmtogetthehumanbinaryimage.Usesgaitrecognitionalgorithmbasedongaitenergyimageandtracetransformtorecognizethehuman.Theexperimentalresultsshowthattheintroducedalgorithmhasgoodperformanceinvideosequences.%视频中的行人的识别问题是计算机视觉领域的研究热点。由于人脸识别极大地受到行人的角度限制,因此步态识别在行人识别中占有更重要的地位。通过HOG+SVM算法对视频进行行人检测提取行人区域,对该区域使用Grabcut算法分割得到行人二值图,通过步态能量图和Trace变换得到步态特征的步态识别算法对该行人进行步态识别。实验表明该算法在视频中能得到很好的识别效果。【期刊名称】《现代计算机(专业版)》【年(卷,期】2015(000004【总页数】5页(P35-39【关键词】步态识别;步态能量图;Trace变换;HOG;Grabcut【作者】许易操【作者单位】同济大学电子与信息工程学院计算机科学与技术系,上海201804
【正文语种】中文基于图像的生物识别技术一直都受到广泛的关注。特别是基于人脸识别的生物识别技术已经取得了很多丰硕的成果。但是在处理诸如监控摄像之类的视频时,受到行人角度、口罩、帽子等因素的影响,人脸识别往往不能发挥很好的效果。而相比之下,步态识别则具备远距离识别、不可隐藏等优点。在1994年Niyogi与Adelson提出了一种识别步态特征的方法。然后Cunado等人提出了一种基于大腿摆动频率的步态特征[1]。Murase与Sakai利用时空相关匹配的方法识别不同的步态[2]。近几年有人提出了基于平面单应性矩阵的识别方法[3]和基于监督Isomap的方法[4]。综合速度和效果考虑,Han在2006年提出的利用步态能量图识别步态的方法[5]在这两方面具有较好的平衡性。TheekhanontP等人在此基础上进一步对步态能量图进行Trace变换[10],提出了一种新的步态特征。本文在此基础上结合行人检测和分割算法,提出了一种适用于视频的步态识别方法。1.1行人检测由于一帧图像内会包含多个行人,对每一帧图像的预处理工作首先是通过对图像进行行人检测提取出每一个行人。在2005年CVPR上,来自法国的研究人员NavneetDalal和BillTriggs提出的利用基于梯度方向直方图[6](HistogramofOrientedGradient,简称HOG)进行特征提取,利用线性SVM作为分类器,从而实现行人检测。由于HOG+SVM是速度和效果综合平衡性能较好的一种方法,本文选择此算法进行行人检测。首先提取正负样本的HOG特征,步骤如下[7]:(1)将输入图像灰度化;(2)对灰度图进行Gamma调整和滤波以提高算法的抗噪性;(3)计算图像每个像素的梯度,并对每个像素上的梯度模值和方向进行加权统计;(4)将图像划分成小4×4像素大小的单元;(5)在每个小单元内进行梯度统计,梯度方向在0°~360°之间,将直方图分为9
级;(6)用梯度幅值加权每个单元对应的直方图,将其表示为一个9维的特征向量;(7)按照每2×2个单元组成一个新的区域,将单元合并成大区域,并将所有单元的特征向量联结起来,构成图像对应的特征向量;(8)对特征向量进行归一化处理后便可得到HOG特征向量。提取出正负样本的HOG特征值后,文献[6]通过线性分类器SVM进行训练得到分类器。SVM的基本思想是对于一个非线性可分的样本,通过一个核函数将其映射到高维空间中,然后在高维空间中寻找一个最优的超平面来把不同类别的数据分开。它的优点是它的解总是全局最优的,并且避免了在训练过程中出现的过学习和局部最小值问题。最后用得到的分类器对每一帧进行行人检测。图2为对原始图像图1进行行人检测的结果。1.2行人分割为了得到步态识别过程中需要使用的行人二值图,本文采用Grabcut算法[8]对检测出的行人图像进行分割。如图3所示,本文的分割步骤为:(1)通过HOG+SVM算法对图像进行行人检测;(2)在被检测出的行人框中画出小矩形框,小矩形框长宽为行人框的9/10;(3)将小矩形框外像素标记为背景像素,对行人框进行Grabcut分割;(4)将分割结果二值化得到二值图。2.1步态能量图步态能量图[5]是由Han提出的一种用于步态识别的有效特征。对于连续