摘 要：步態(tài)周期是步態(tài)的一個重要特征，步態(tài)識別是建立在準確的步態(tài)周期分割之上的。本文提出了一個基于下肢輪廓的步態(tài)周期檢測方法，首先對步態(tài)序列圖像進行灰度化，然后計算各像素點在步態(tài)圖像序列中的中值，獲取整個步態(tài)序列圖像的背景，提取人體目標后，利用數(shù)學形態(tài)學方法和區(qū)域跟蹤算法填補二值化圖像中的空洞；采用輪廓跟蹤算法獲得人體下肢輪廓，并將其轉(zhuǎn)換為對應(yīng)距離向量，在一個步態(tài)系列中利用距離向量范數(shù)研究步態(tài)周期。本算法計復雜度低，魯棒性好，精確度高。

關(guān)鍵詞：步態(tài)周期；背景減除；輪廓跟蹤；Shen濾波

中圖分類號：TP391.4

步態(tài)識別是根據(jù)人們走路的姿勢來進行身份識別[1]，步態(tài)識別是視頻監(jiān)控領(lǐng)域中的一個研究熱門。目前，大多數(shù)步態(tài)識別的研究都是建立在周期分割很好的基礎(chǔ)之上的，因此，步態(tài)周期的研究在步態(tài)識別中具有非常重要的意義。步態(tài)周期的研究主要有：Boulgouris[2]等人和BenAbdclkader[3]等人利用步態(tài)輪廓的自相關(guān)性來研究步態(tài)的周期性；Kale等利用人體寬度向量的范數(shù)隨時間的變化規(guī)律來計算步態(tài)周期；Sarkar等人采用人體區(qū)域下部分像素點的周期性的變化規(guī)律確定步態(tài)的周期特性；BenAbdelka則利用人體輪廓的邊界矩形框的寬度變化特點來確定步態(tài)周期；王科俊[4]利用基于區(qū)域特征的方法研究步態(tài)周期；陳實[5]等人以步態(tài)序列中人體輪廓區(qū)域外接矩形框作為圖像區(qū)域，在圖像區(qū)域自下而上的1/4高度內(nèi)，等量水平分割三個區(qū)域，計算各區(qū)累計輪廓點數(shù)，利用相應(yīng)的點分布直方圖特征檢測出步態(tài)周期。

1 圖像預處理

先對視頻中的單幀圖像進行灰度變換后，利用如下辦法獲取背景圖像和差分圖像：

Isub（x，y，t）=I（x，y，t）-b（x，y）其中，{I（x，y，t）}為步態(tài)序列。

對差分圖像Isub（x，y，t）二值化后，利用數(shù)學形態(tài)學方法、單連通分析和區(qū)域跟蹤算法填充二值圖像的空洞（如圖1（e））。

（a）灰度圖像 （b）背景圖像

（c）背景減除圖像 （d）二值圖像 （e）人體目標

圖1 序列圖像預處理

2 特征提取

步態(tài)周期是指同一只腳連續(xù)兩次觸地的時間間隔[5]。由于行走過程中，人的下肢擺動是具有周期性的，在本文通過提取下肢周期性擺動的特征數(shù)據(jù)，研究特征數(shù)據(jù)的統(tǒng)計規(guī)律，根據(jù)數(shù)據(jù)分布規(guī)律來確定序列圖像中的步態(tài)周期。

（a） （b） （c）

（d） （e） （f）

圖2 側(cè)面步態(tài)下肢輪廓

我們按攝像機鏡頭和人行走方向所成的角度，將步態(tài)分成正面步態(tài)和側(cè)面步態(tài)。對于正面步態(tài)，我們考慮每個狀態(tài)左右腿的面積之差的變化規(guī)律[6]，此方法解決了正面步態(tài)的周期檢測，但由于側(cè)面步態(tài)下肢面積變化不具有規(guī)律性，因此這一方法不適用于側(cè)面步態(tài)周期檢測。對于側(cè)面步態(tài)，我們利用邊界跟蹤算法獲取下肢輪廓，按公式（1）計算輪廓質(zhì)心：

， （1）

其中Nb為輪廓邊界點數(shù)，（xi，yi）為輪廓邊界點像素坐標。

按逆時針方向?qū)⑤喞吔缯归_，計算由邊界像素點到質(zhì)心的距離（如圖3所示），并所組成一個距離信號，對距離信號進行采樣，得到距離信號向量 ，其中：

（2）

則 （3）

當步幅最小時（圖2（a），（c），（e）），對應(yīng)的 是一個極小值，當步幅最大時（圖2（b），（d），（f）），對應(yīng)的 是一個極大值。由向量 的范數(shù)變化具有周期性，其周期恰好等于一個步態(tài)周期。 的范數(shù)變化情況如圖4所示。

圖3 外輪廓展開圖

圖4 距離向量變化曲線

3 沈俊算子濾波

Shen濾波器原理[7]：

設(shè)f（x）是信號源，則

式中，fR（x）是f（x）對信號源先進行正向遞歸濾波然后再進行反向遞歸濾波后的輸出，其中fL（0）=f（0），fR（N）=fL（N）， 0<α<1。在實驗中，我們選取α=0.2，利用公式（4）對距離變化曲線 進行濾波后，得到光滑的變化曲線（圖6（a），6（b））。設(shè)F（x）為經(jīng)過Shen濾波器濾波后的得到的曲線，對F（x）再次利用公式（3）進行正向和反向遞歸濾波，設(shè)濾波后的輸出分別為I1，I2，F(xiàn)（x）的過零點可由公式（5）求出，如圖5所示，相鄰的兩個過零點的時間間隔等于1/2個步態(tài)周期。

（5）

（a）

（b）

圖5 濾波后的歩態(tài)特征曲線

4 實驗結(jié)果分析

本算法在Intel corei5 CPU，4G RAM的WindowXP平臺下，利用VC6.0編程，在CASIA步態(tài)數(shù)據(jù)庫和Soton samllDB數(shù)據(jù)庫中，均能正確檢測出步態(tài)周期。實驗證明本文提出的步態(tài)周期檢測算法，復雜度低，魯棒性好，在Soton samllDB數(shù)據(jù)庫中對手里拎著一個包的人體步態(tài)，也能正確檢測出正確的步態(tài)周期。如圖6所示。

圖6

致謝：感謝中國科學院自動化研究所和英國南安普頓大學提供的步態(tài)數(shù)據(jù)庫。

參考文獻：

[1]王亮，胡衛(wèi)明，譚鐵牛.基于步態(tài)的身份識別[J].計算機學報，2003（03）.

[2]N.V.Boulgouris，K.Plataniotis，and D.Hatzinakos，Gait Recognition Using Dynamic Time Warping，Proc.2004 IEEE Workshop on Multimedia Signal Processing，IEEEPress，pp，2005.

[3]C.Ben-Abdelkader，R.Cutler，and L.Davis.Motion-based recognition of people in eigengait space.In IEEE Conf Automatic Face and Gesture Recognition，pages，2002.

[4]王科俊，賁晛燁，基于區(qū)域特征分析的步態(tài)周期檢測方法[P].哈爾濱：哈爾濱工程大學，2009.

[5]陳實，馬天駿，黃萬紅.用于步態(tài)識別的多層窗口圖像矩[J].電子與信息學報，2009（01）.

[6]潘興廣，楊國榮.基于視頻的正面步態(tài)周期檢測方法[J].計算機光盤軟件與應(yīng)用，2013（06）.

[7]Lin Wang，Renlong Pan，Mo Dai.An Efficient Method Based on Orientation Field for Detection of License Plates，F(xiàn)uzzy Systems and Knowledge Discovery，2009.FSKD'09.Sixth InternationalConference on Volume 5.

作者簡介：潘興廣（1979-），男，貴州黃平人，實驗師，研究方向：計算機視覺、模式識別和圖像處理；楊國榮（1979-），男，講師，貴州安順人，研究方向：計算機視覺、模式識別和圖像處理。

作者單位：貴州民族大學模式識別與智能系統(tǒng)實驗室，貴陽 550025；貴州師范學院 數(shù)學與計算機科學學院，貴陽 550018

基金項目：貴州民族大學2013年科研基金資助項目。