劉曉云 孫運(yùn)強(qiáng) 姚愛琴

【摘要】本文采用了人體骨架模型的方法，通過距離變換的算法對(duì)人體進(jìn)行了骨架特征提取，同時(shí)用腐蝕和還原的算法對(duì)骨架的細(xì)小分支進(jìn)行剔除，保留了骨架的主要特征，取得了較好的效果。

【關(guān)鍵詞】特征提取;骨架;腐蝕和還原

Human recognition based on skeleton

Key laboratory of dynamic testing instrument science and the ministry of education，North University of China Liu xiao-yun ?Sun Yun-qiang ?Yao Ai-qin

Abstract：This paper uses the method of human skeleton model，through the distance transform algorithm to the feature extraction of skeleton the human body，small branches at the same time with corrosion and reduction algorithm on the skeleton are removed，retained the main characteristics of the skeleton，and achieved good results.

Key words：Feature extraction;skeleton;Corrosion and reduction

引言

人體步態(tài)識(shí)別作為一種新興的生物特征識(shí)別技術(shù)，受到越來越多的關(guān)注。步態(tài)特征主要反映人行走的姿勢(shì)，與人臉、指紋、虹膜等其他生物特征相比，具有在遠(yuǎn)距離、非接觸和低質(zhì)量視頻的狀態(tài)下進(jìn)行人身份鑒別的優(yōu)點(diǎn)。相對(duì)于包含各種噪聲和誤差的人體步態(tài)，骨架成為能夠表述人體步態(tài)的重要信息，它由一些理想的細(xì)線組成，可以有效地反應(yīng)出原物體形狀的連通性或者拓?fù)浣Y(jié)構(gòu)，因此，骨架能作為人體特征識(shí)別、運(yùn)動(dòng)人體的實(shí)時(shí)追蹤的一種有效方法。本文就是采用骨架作為人體的主要特征來進(jìn)行人體識(shí)別。

1.人體識(shí)別系統(tǒng)

步態(tài)識(shí)別大體分為三個(gè)步驟，第一步進(jìn)行目標(biāo)分割，第二步特征提取，第三步特征識(shí)別。流程圖如圖1所示。

圖1 步態(tài)識(shí)別流程圖

2.步態(tài)序列預(yù)處理

預(yù)處理的主要內(nèi)容有：首先提取步態(tài)視屏中的步態(tài)單幀圖像（如圖2所示），采用混合高斯模型提取前景圖像，混合高斯背景建模是通過多個(gè)高斯分布函數(shù)來描述背景圖像中的像素顏色，實(shí)現(xiàn)前景與背景的分割及運(yùn)動(dòng)跟蹤（如圖3所示）。再利用當(dāng)前人體步態(tài)圖像與背景圖像進(jìn)行差分來實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，從而將運(yùn)動(dòng)的人體從背景中分離出來，經(jīng)過二值化后的圖像有許多小的噪聲（如圖4所示），在人體區(qū)域內(nèi)部也有小的縫隙，我們用形態(tài)學(xué)濾波的方法來消除噪聲，使圖像更平滑（如圖5所示）。最后為了精確定位邊緣，將噪聲降到最低，采用Canny邊緣檢測(cè)法來提取人體輪廓（如圖6所示）。

3.骨架的特征提取

3.1 骨架模型

骨架，也稱中軸。20世紀(jì)60年代，Blum提出一種是中軸變換或焚燒草地技術(shù)（如圖7所示），假設(shè)圖像邊界上所有點(diǎn)同時(shí)點(diǎn)燃，火焰以相同速度向圖像內(nèi)部燃燒，當(dāng)波前相遇時(shí)，火焰熄滅，所有熄滅處點(diǎn)的集合就構(gòu)成了中軸（即骨架）。他還提出了另一種最大圓盤法（如圖8所示），骨架是所有最大圓盤圓心的集合，設(shè)A為圖像B中的一個(gè)內(nèi)切圓盤，即至少有兩點(diǎn)與圖像邊界相切，如果A是圖像B內(nèi)部任何其它圓盤的子集，則稱為最大圓盤[1]。

目前骨架提取算法有以下幾類，第一種是細(xì)化算法[2]，通過迭代移除物體邊界點(diǎn)和內(nèi)部點(diǎn)，直到只剩余骨架為止。這種方法那能較好的保留原有物體的拓?fù)浣Y(jié)構(gòu)，但對(duì)噪聲敏感，不能準(zhǔn)確定位骨架位置。第二種是基于V 氏圖表的離散區(qū)域算法，確定包含許多邊形的最大圓盤的中心點(diǎn)位置，多邊形的頂點(diǎn)來自于對(duì)邊界的采樣，提取骨架的準(zhǔn)確度隨采樣點(diǎn)的增多而增高，但計(jì)算發(fā)雜、時(shí)間長(zhǎng)且對(duì)噪聲敏感。第三種是基于形態(tài)學(xué)骨架提取的，這種方法能準(zhǔn)確提取骨架，但無法保證骨架的連通性。第四種是在邊界點(diǎn)的距離變換中檢測(cè)脊背，這種方法可以準(zhǔn)確定骨架位置。本文采用的就是基于距離變換的骨架提取方法。

圖7 燒草模型 ? ? ? ? ? ? ? ? ?圖8 最大球模型

3.2 基于距離變換的骨架的提取

假設(shè)人體輪廓邊界是二維平面內(nèi)的一個(gè)閉合曲線，用符號(hào)C表示。輪廓內(nèi)點(diǎn)的集合用符號(hào)F表示。輪廓內(nèi)的任意點(diǎn)P，相對(duì)于輪廓邊界的距離變換K為：

其中d（p，v）代表這兩點(diǎn)之間的歐式距離。對(duì)于輪廓內(nèi)的任意點(diǎn)p，，若r（p）表示輪廓邊緣上距離最近的點(diǎn)，則：。

根據(jù)文獻(xiàn)[3]提出的裁定點(diǎn)方法，R（p）所對(duì)應(yīng)的裁定點(diǎn)集合可定義為：R（p）是輪廓邊界C的一個(gè)子集，即：輪廓邊界部分點(diǎn)組成的集合。該集合中的任意點(diǎn)如果不是輪廓邊緣距離最近的點(diǎn)，則是輪廓邊緣上距離p的8領(lǐng)域點(diǎn)最近的點(diǎn)。則R（p）可以表示為：

其中表示8領(lǐng)域范圍內(nèi)p的相鄰點(diǎn)集合，，函數(shù)表示集合內(nèi)的元素個(gè)數(shù)。

輪廓內(nèi)的任意點(diǎn)p，若表示表示內(nèi)的任意點(diǎn)，則滿足

的點(diǎn)P是物體的一個(gè)骨架點(diǎn)，其中，和分別是點(diǎn)的坐標(biāo)。

按照此方法提取的骨架中都是連通的，不會(huì)存在孤立的骨架點(diǎn)，如圖9所示即為此方法提取的骨架。

圖9 提取的人體骨架

3.3 骨架的腐蝕與還原

骨架的腐蝕與還原操作主要針對(duì)骨架末梢點(diǎn)（End Point），即只存在一個(gè)相鄰骨架點(diǎn)的骨架點(diǎn)。假設(shè)P點(diǎn)是“單象素”的骨架末梢點(diǎn)，那么至少存在一個(gè)相鄰的骨架點(diǎn)Q在它的8鄰域內(nèi)。如果Q點(diǎn)處于P點(diǎn)的4鄰域方向，那么在Q點(diǎn)與P點(diǎn)的鄰域交集區(qū)域（即：圖4.13所示的灰色區(qū)域）最多能夠出現(xiàn)2個(gè)與Q點(diǎn)相鄰的點(diǎn)。如果Q點(diǎn)處于P點(diǎn)的對(duì)角方向，那么在Q點(diǎn)與P點(diǎn)的鄰域交集區(qū)域?qū)⒉豢赡艽嬖谌魏蔚墓羌茳c(diǎn)。

根據(jù)以上定義，離散情況下的骨架末梢點(diǎn)可以用以下鄰域系數(shù)集來表示：

滿足ESP的骨架點(diǎn)都被看做是骨架末梢點(diǎn)。骨架腐蝕的基本思想就是不斷地去除骨架上現(xiàn)有的末梢點(diǎn)，具體如下：（1）設(shè)迭代次數(shù)為n，計(jì)算骨架各點(diǎn)的鄰域系數(shù)，找出滿足EPS的骨架末梢點(diǎn);（2）去除骨架所有末梢點(diǎn)，并記錄去除點(diǎn)位置;（3）更新所去除末梢點(diǎn)的相鄰骨架點(diǎn)的鄰域系數(shù);（4）參數(shù)n++，如果n==N（腐蝕度），開始骨架還原操作;否則返回步驟（2）繼續(xù)進(jìn)行腐蝕操作。

骨架的還原與腐蝕相反，在每次腐蝕迭代過程中都記錄了所刪除的末梢點(diǎn)，設(shè)刪除的所有末梢點(diǎn)用數(shù)組DE表示，而DE（K）表示第k次迭代所刪除的末梢點(diǎn)集合。骨架還原步驟如下：（1）設(shè)k為腐蝕度大小，即：k=N;（2）在DE（k）所含骨架點(diǎn)中找出與現(xiàn)有骨架末梢點(diǎn)滿足EPS的點(diǎn)，再將這些點(diǎn)還原到骨架中，即構(gòu)成了新的骨架末梢點(diǎn);（3）參數(shù)k--，如果k==0，則還原過程結(jié)束;否則返回步驟（2）繼續(xù)進(jìn)行還原操作[4]。

骨架中任何長(zhǎng)度小于腐蝕度的骨架枝在骨架還原之后都將消失，且通過設(shè)置腐蝕度大小，還可以去除掉任何長(zhǎng)度小于腐蝕度的骨架枝。如圖10所示即為腐蝕還原后的骨架。

圖10 腐蝕和還原后的骨架

4.結(jié)論

本文提出了一種針對(duì)室內(nèi)步態(tài)輪廓的基于骨架模型的步態(tài)識(shí)別算法。人體骨架的主要特征分兩步被提取出來：第一步采用基于距離變換的算法來提取人體初始骨架。該方法能準(zhǔn)確找出骨架位置。第二步用骨架的腐蝕與還原算法，通過設(shè)置適當(dāng)?shù)母g度閾值來去除骨架細(xì)小多余的枝干。分類識(shí)別采用支持向量機(jī)的方法[5]。實(shí)驗(yàn)結(jié)果表明，通過本章方法所提取的骨架能夠適應(yīng)室內(nèi)環(huán)境的骨架精確度要求，該骨架模型在CASIA 的步態(tài)數(shù)據(jù)庫上取得了令人滿意的識(shí)別效果。

參考文獻(xiàn)

[1]肖雪.基于視頻序列的人體骨架提取與三維重建[D].大連理工大學(xué)，2009.

[2]Y.Y.Zhang and P.S.P.Wang，A parallel thinning algorithm with two-subiteration that generates one-pixel-wide skeletons[C].ICPR，pp：457-461，1996.

[3]Dacheng Tao，Xuelong Li，X.D.Wu，S.J.Mayballk.Elapsed Time in Human GaitRecognition：a New Approach[C].ICASSP，IEEE International Conference on Acoustics，Speech and Signal Processing，2006：177.

[4]胡榮.人體步態(tài)識(shí)別研究[D].華中科技大學(xué)，2010.

[5]王青力.基于支持向量機(jī)的步態(tài)識(shí)別.[D].華僑大學(xué)，2006.