技術(shù)領(lǐng)域

本發(fā)明涉及人體生物識(shí)別領(lǐng)域，尤其涉及計(jì)算機(jī)視覺(jué)步態(tài)識(shí)別的領(lǐng)域，具體是指一種融合深度信息和灰度信息實(shí)現(xiàn)步態(tài)識(shí)別的系統(tǒng)及方法。

背景技術(shù)

步態(tài)識(shí)別技術(shù)作為一種新型的生物特征識(shí)別技術(shù)，它是根據(jù)視頻序列中人走路的姿勢(shì)進(jìn)行身份識(shí)別的生物識(shí)別技術(shù)。和其它生物特征識(shí)別技術(shù)相比，步態(tài)識(shí)別技術(shù)以其非侵犯性、遠(yuǎn)距離識(shí)別性以及難以隱藏等優(yōu)點(diǎn)，在國(guó)家公共安全、金融安全等領(lǐng)域中有重要的應(yīng)用價(jià)值。步態(tài)識(shí)別作為生物特征技術(shù)的一個(gè)新興子領(lǐng)域，它是依據(jù)人走路的姿勢(shì)提取步態(tài)特征進(jìn)行個(gè)人的身份驗(yàn)證。

步態(tài)識(shí)別是通過(guò)人走路的姿態(tài)進(jìn)行人的身份驗(yàn)證。它的識(shí)別過(guò)程主要包括3個(gè)部分：步態(tài)輪廓提取、步態(tài)特征提取和分類器設(shè)計(jì)。其中步態(tài)特征提取在整個(gè)過(guò)程中起到了承上啟下的作用。因此，步態(tài)識(shí)別整個(gè)工程的成敗很大程度上取決于步態(tài)特征的選取。有效而可靠的步態(tài)特征代表了步態(tài)運(yùn)動(dòng)過(guò)程的全部時(shí)空特性，而驗(yàn)證步態(tài)特征的有效且可靠的方法也是十分重要的。現(xiàn)有的步態(tài)識(shí)別方法大多選用的是灰度信息特征對(duì)步態(tài)進(jìn)行識(shí)別，常見(jiàn)的有下肢運(yùn)動(dòng)規(guī)律等。

現(xiàn)有技術(shù)中對(duì)于步態(tài)識(shí)別大多從外部輪廓、下肢運(yùn)動(dòng)規(guī)律及身高等灰度特征對(duì)人體步態(tài)進(jìn)行分析，例如，專利CN102982323A公開(kāi)了一種快速步態(tài)識(shí)別方法，該方法中步態(tài)特征包括5個(gè)分量，首先通過(guò)身高篩選，然后通過(guò)性別年齡篩選，最后通過(guò)步態(tài)信息分量篩選。然而，現(xiàn)有技術(shù)方案忽略了深度信息在步態(tài)識(shí)別中的重要作用，尤其是人體快速運(yùn)動(dòng)時(shí)下肢迅速變化，步態(tài)識(shí)別存在著旋轉(zhuǎn)敏感導(dǎo)致的誤差和錯(cuò)誤判斷等缺陷。

發(fā)明內(nèi)容

本發(fā)明的目的是克服了上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種將深度信息與灰度信息融合，在融合特征矩陣的基礎(chǔ)上對(duì)人體步態(tài)進(jìn)行識(shí)別，更加準(zhǔn)確有效，避免旋轉(zhuǎn)敏感問(wèn)題的融合深度信息和灰度信息實(shí)現(xiàn)步態(tài)識(shí)別的系統(tǒng)及方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明的融合深度信息和灰度信息實(shí)現(xiàn)步態(tài)識(shí)別的系統(tǒng)及方法具有如下構(gòu)成：

該融合深度信息和灰度信息實(shí)現(xiàn)步態(tài)識(shí)別的系統(tǒng)，其主要特點(diǎn)是，所述的系統(tǒng)包括：

信息提取器，用以采集步態(tài)序列圖像中的灰度信息和深度信息；

步態(tài)周期檢測(cè)器，用以通過(guò)所述的灰度信息獲取對(duì)應(yīng)的步態(tài)周期；

特征融合器，用以融合所述的灰度信息和所述的深度信息并得到所述的融合特征矩陣；

步態(tài)分類識(shí)別器，用以根據(jù)所述的融合特征矩陣查找到對(duì)應(yīng)的步態(tài)分類對(duì)象。

進(jìn)一步地，所述的信息提取器包括灰度信息提取模塊和深度信息提取模塊，其中：

所述的灰度信息提取模塊，用以通過(guò)邊緣檢測(cè)法和離散小波變換提取所述的步態(tài)序列圖像中的人體外部輪廓信息，并將所述的人體外部輪廓信息作為所述的灰度信息保存；

所述的深度信息提取模塊，用以從所述的步態(tài)序列圖像中提取人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)信息，并將所述的三維坐標(biāo)信息作為所述的深度信息保存。

其中，所述的人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)信息包括頭部的三維坐標(biāo)信息、脖子的三維坐標(biāo)信息、左肩的三維坐標(biāo)信息、左肘的三維坐標(biāo)信息、左手的三維坐標(biāo)信息、右肩的三維坐標(biāo)信息、右肘的三維坐標(biāo)信息、右手的三維坐標(biāo)信息、軀干的三維坐標(biāo)信息、左髖的三維坐標(biāo)信息、左膝的三維坐標(biāo)信息、左腳的三維坐標(biāo)信息、右髖的三維坐標(biāo)信息、右膝的三維坐標(biāo)信息和右腳的三維坐標(biāo)信息。

進(jìn)一步地，所述的步態(tài)周期檢測(cè)器通過(guò)所述的灰度信息的數(shù)據(jù)計(jì)算得到所述的灰度信息對(duì)應(yīng)的質(zhì)心，并根據(jù)所對(duì)應(yīng)的質(zhì)心的變化率獲得所述的步態(tài)周期。

進(jìn)一步地，所述的特征融合器采用矩陣相加求平均法和矩陣列連接法對(duì)所述的灰度信息和深度信息進(jìn)行融合。

進(jìn)一步地，所述的步態(tài)分類識(shí)別器采用最近鄰方法來(lái)查找到所述的融合特征矩陣對(duì)應(yīng)的步態(tài)分類對(duì)象。

此外，本發(fā)明還提供一種實(shí)現(xiàn)深度信息和灰度信息融合的步態(tài)識(shí)別控制方法，其主要特點(diǎn)是，所述的方法包括以下步驟：

(1)所述的信息提取器采集步態(tài)序列圖像中的灰度信息和深度信息；

(2)所述的步態(tài)周期檢測(cè)器通過(guò)所述的灰度信息獲取對(duì)應(yīng)的步態(tài)周期；

(3)所述的特征融合器融合所述的灰度信息和所述的深度信息并得到所述的融合特征矩陣；

(4)所述的步態(tài)分類識(shí)別器根據(jù)所述的融合特征矩陣查找到對(duì)應(yīng)的步態(tài)分類對(duì)象。

進(jìn)一步地，，所述的信息提取器包括灰度信息提取模塊和深度信息提取模塊，所述的信息提取器采集步態(tài)序列圖像中的灰度信息和深度信息，包括以下步驟：