(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210729649.1 (22)申请日 2022.06.25 (71)申请人 谢琼华 地址 100089 北京市海淀区北土城西路176 号 (72)发明人 谢琼华　 (51)Int.Cl. G06F 21/32(2013.01) G06V 40/20(2022.01) G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 小视角远距离视频步态精准识别身份认证 系统 (57)摘要 本申请创造性的提出利用小视角远距离等 质量较差的监控视频中的行人步态进行身份识 别， 从步态视频的前置处理、 动态中编码形态和 行进总势能的步态特征提取、 步态的分类与识别 三个方面进行改进， 对各种小视角远距离视频的 步态识别成功率都在97％以上， 专门用于解决当 前许多安防监控摄像头是用来记录特定区域的 人员出入情况， 保障该区域的安全， 而部分人员 为了特定目的会选择远离或者绕开摄像头， 造成 摄像头经常捕捉到的是小视角远距离人体步态 视频， 小视角远距离监控视频拍不到或拍不清人 脸， 也无法清楚的拍摄到步态的问题， 将步态经 过处理后得到相对最优的识别方法， 依然达到了 很高的识别准确率， 有益于发挥步态识别的优 势。 权利要求书6页 说明书18页 附图4页 CN 115203663 A 2022.10.18 CN 115203663 A 1.小视角远距离视频步态精准识别身份认证系统， 其特征在于， 从步态视频的前置处 理、 动态中编码形态和行进总势 能融合的步态特征提取、 步态的分类与识别三个方面进行 改进； (1)前置处理 阶段： 首先， 根据实时视频监控摄像头朝某个固定不变， 基于背景减除法， 采用基于前景检测背 景更新背 景建模的方法将运动目标与背 景分离， 得到步态的二值化图 像； 其次， 对获取的二值化步态图像进 行腐蚀、 膨胀、 开闭运算的形态学 处理， 消除内部空洞 和一些噪声； 再次， 对经过处理的二值化图像做连通区域分析， 进一步消除图像中已有的噪 声点； 最后， 采用双线性差值法进行步态轮廓二值化图像的归一化、 采用Canny边缘检测算 法进行边缘轮廓检测和利用人体步态轮廓图像中人体宽度与高度比值的变化去进行步态 周期检测， 前置处 理为后续的步态特 征的提取以及步态的分类与识别阶段奠定基础； (2)步态特征提取阶段， 采用基于动态中编码形态和行进总势能的步态特征提取方法： 首先基于动态中编 码形态进行步态特征提取， 分为轮廓小视角采样和步态特征提取两个部 分， 轮廓小视角采样采用角度采样方法， 提取人体轮廓形态特征时， 用动态中编 码形态去表 征人体形态轮廓； 然后， 基于行进总势能进 行步态特征提取， 基于提取到的行进总势能维度 较高， 对行进总势能进行数据降维处理； 最后基于动态中编码形态和行进总势能进行特征 级融合， 把不同的特征向量矩阵进 行组合,融合多种特征， 对动态中编码形态和行进总势能 两种特征进行归一化， 利用两个步态序列间欧式距离度量相似度， 得到基于动态中编码形 态和行进总势能的特 征级融合结果； (3)分类识别阶段， 采用基于加权特征融合的分类识别方法： 基于不同特征的贡献度不 同， 在动态中编 码形态与行进总势能两种特征融合的基础之上， 分类器在计算隶属度时， 对 两种特征分别赋予不同权值， 采用加权特征融合方法， 动态中编码形态和行进总势 能两种 特征的权重比例是通过设置不同的值， 在两者权重之和为 1的情况下， 计算各种权重组合下 加权融合算法的识别率， 多次论证取平均值， 对比分析得到最终的权重比例， 提升步态身份 识别率。 2.根据权利要求1所述小视角远距离视频步态精准识别身份认证系统， 其特征在于， 基 于动态中编 码形态的步态特征提取： 基于动态中编 码形态的步态特征用一个中值编 码形态 去表示一组形态， 包含有n个形态， 同一个形态经过平移、 旋转和尺度变化后， 从视觉直观角 度变成不同的形态， 消除平移、 旋转和尺度变化的影响， 将n个形态对齐， 同时将这n个形态 由k个对应的点组合， 然后再求得其中值编码形态， 轮廓形态对齐通过图像归一化实现， 在 边缘轮廓线上采取到k个对应的点， 去 描述每个轮廓形态。 3.根据权利要求1所述小视角远距离视频步态精准识别身份认证系统， 其特征在于， 轮 廓小视角采样： 采用等角度采样的方法进 行小视角采样， 角度采样利用相同的角度间隔， 对 边缘轮廓线 进行采样， 假设总共要对轮廓线采k个点， 那么采样的间隔角度为： θ1＝360°/k         式1 以某一点为起点， 以θ1为角度间隔对边缘轮廓进行采点， 逆 时针旋转一周， 当再次回到 起点即完成采样； 将直角坐标系转换为极坐标系， 将原来图像中的质心坐标(xc,yc)作为转换后的坐标原 点， 具体的变换式如式2所示：权　利　要　求　书 1/6 页 2 CN 115203663 A 2角度 半径 计算质心(xc,yc)按照： 式4中， Nb表示二值化图像的中全部像素点的数目， (xi， yi)表示边缘轮廓线上任意一点 所对应的直角坐标； 完成角度定点采样后， 将极坐标转换为 直角坐标， 获取到动态中编码形态特 征： x＝r*cosθ， y＝r*si nθ θ     式5 采用式5转换获取直角系下的坐标。 4.根据权利要求1所述小视角远距离视频步态精准识别身份认证系统， 其特征在于， 步 态特征提取： 二维平面内的形态Z用它的k个边缘点所表示， 所有边缘点到质心的向量组合而成一个 向量， 能用该向量表示的形态Z为公因子向量， 具体的表达式如式5所示： Z＝[z1， z2， ...， zk]T             式6 式6中， zi＝(xi‑xc)+j*(yi‑yc)， (i＝1， 2， 3， …， k)， z1是指质心到边缘点i的向量,用一 个复数表示， (xi,yi)表示的是二维坐标系中点的坐标点， (xc,yc)表示的是此形态的质心， 基于人体二维轮廓形态， 以质心(xc,yc)为坐标原点， 边界上的点 为(xi,yi)； 假如有两个二维形态Z1与Z2， 它们的公因子向量经过若干次的平移变换或旋转变换以 及尺度变换之后， Z1与Z2的公因子向量还是相同， 那么判定Z1与Z2具有相同的形态， 具体的 变换如式7 所示： 式7中， alk是对形态Z2进行平移变换， β 对形态Z2进行旋转变换和尺度变换； 采用一个变 量来表示某个形态的中心， 此变量为中心向量， 设中心向量为U， U＝[u1,u2,…uk]T其中 两个中心向量U1、 U2之间的距离， 用d(U1,,U2)表示。 5.根据权利要求4所述小视角远距离视频步态精准识别身份认证系统， 其特征在于， 计权　利　要　求　书 2/6 页 3 CN 115203663 A 3