论文研究-基于LBP和HOG特征分层融合的步态识别.pdf

所需积分/C币:8 2019-09-07 11:57:12 2.85MB .PDF

针对步态能量图(GEI)在提取人体信息时只描绘出了轮廓信息,而丢失了内部特征的局限性,提出一种基于人体目标图像的局部二值模式(LBP)与方向梯度直方图(HOG)分层融合的GEI识别算法。该算法步骤包括:首先用光流法提取步态周期,获得一个周期的步态能量图(GEI);然后分三层提取GEI的LBP特征,得到三层的LBP图像;依次提取每层LBP图像的HOG特征,最后将每层提取的LBP和HOG特征融合,得到每层的新特征;最后将三个新特征依次融合成可以用于识别的最终特征。通过几种方法对CASIA和USF步态数据库的实验对比,提出的算法取得了更高的识别率。
计算机工程与应用 值。假定经过背景差分法处理后的人体目标图像在图像特征,用特征直方图来表示,即 时刻记为Sx,y),灰度图的定义如下 力H=>y==0.2…2 ((x,y) 其中f(X)= 1.f(x,y)=i 其中,N是一个步态周期中H标图像的帧数,x和y是 Cf(x;y)≠i 图像的横坐标与纵坐标。 幅图经过特征提取之后的图像和直方 个周期内的人体目标图像合成的过程如图图如图所示 所示 因因因口因 x因 图 特征提取的直方图 方向梯度直方图 图步态能量图 梯度直方图最先是由法国研究员等人提 特征分层融合的步态特征计算出。它是一个描述算子,反映了图像的局部梯度方向和 方法 梯度强度分布。其主要思想是在图像中,计算图像的梯 局部二值模式 度或边沿方向的分布情况来反映部分图像目标的表示 局部二值模式是一种图像的描述算子,它通常能有和形状。在现实应用中,首先将图像等分成几个小的连 效地表达出图像的局部纹理特征;并且与其他的一些图通区域,每个连通区域称为一个细胞单元()。然后 像描述算子相比,它具备分类能力强、计算效率高,旋转计算出每一个里所有像素的梯度人小和边沿方向, 不变性和灰度不变性等显著的优点。它最初是在年形成直方图最后通过顺序级联这些直方图组成一幅 等人在研究纹理特征的提取时提出的。最早的图像的特征。止是因为 是在图像的各个 算子定义为在的网格内,选取网格的中心点的上进行计算,所以,它对于几何和光学形变都能保持良 灰度值作为阈值,依次把该网格内其余的相邻的个像 好的不变性。 算子是常见的图像特征描述算子,除了 素点的灰度值与之比较,如图所示,若阈值小于该网外,有 格内相邻的个像素点中的某一个,则该像素点的位置外,还有 算子等。后三种算子 被标记为,若阈值大于某个像素点,则标记为。这在经过亮度变化有无遮蔽物和噪声干扰等影响因素 样,在的冈格内國值与其相邻的个像素点的值深后,产生的图像的识别能力仍然良好。但是,在人体目 比较,对应的个二进制数产生,将个二进制数依次标识别方面,由于采集到的步态数据具有多样性,因此 相连(顺时针或者逆时针,本文按照顺时针相连),并转 山一个周期内的人体步态图像生成的步态能量图也有 化为十进制数(即码共种,则该的网格中很大的差异,所以在步念能量图上提取的信息十分有 心像素点的值即为这个十进制的数。该区域的纹限。为了比较上述提到的三种特征算子在步态识别方 理信息可以用这个值来反映。 面的能力,做了简单的初步实验验证,实验结果表明 算法由于是在非线性尺度空间上构建的,计算量 LBP(x,y)=∑2-)2 很大,在人体目标图像特征点匹配时耗时明显长于其他 丌=C 其中 算法。并且算法对图像的参数设置比较敏感,例 1,x≥0 如,当减小人体H标图像的缩放参数时,的特征 0,x<0 点正确匹配率会明显下降,所以算子在尺度不变 性上较弱。将H标图像缩放或者旋转时,对算子 进制 的影响较小,但是与原图像进行特征点匹配时,其匹配 成功的数日较少,匹配点的分布不均匀,匹配速度慢。 十进制: 算法是算法的加速版,在特征点匹配的速度 上是的倍,但是其在目标图像发生尺度和旋转变 图一个正方形算子 化时,匹配效果略差。和都是基于线性的尺 给出幅步态能量图,算子则将图像的所有像度分解,两者的共同缺点是忽略了目标图像的局部精 素点的数值通过计算形成一系刎的编吗,然后提取度,不注重边界和细节信息,这会导致目标图像的边界 刘文婷,等:基于和征分层融合的步态识别 和噪声被相同程度的平滑处理,使提取的特征信息较为 不准确。因此在做步态识别实验时,不选用这三种算了 在步态识別中,边缘轮廓信息非常重要。是 个高效的获取目标图像边界信息的算子,其对边缘形 状、边缘梯度方向十分敏感。通过划分 的方 法能更好地表示图像局部像素点之间的关系,在不同 中都能提取到合适准俯的特征进行ν配』并且 算子量化了位置和方向空间,在一定程度上消除 了图像位置变化带来的影响。因此,本文将算子 用于步态识别的研究。 特征提取算法的实现过程如下 步驟颜色空间归一化。消除山拍摄环境、背景 装置等一些不可控的元素对采集目标图像的干扰 图 中提取的特征 步骤梯度计算。计算出图像中像素点(,y)的水 算子,同时为了获得更完整的图像的信息,利用分 平和垂直方向的梯度大小分别为 层思想提取步态能量囹每一层的特征和基于分层 G,(xy)=(x+1,y-1(x-1,y) 特征图像的特征,将提取的两种特征融合得 G(x,y)=I(x,y+1)-1(xy-1) 到最终的特征进行实验验证 则得到该像素点的梯度大小和方向分别为 分层特征 (xy)=、G2(xy)+G(xy3 特征是对灰度图像像素的数值进行操作 G,(x, v 特征主要利用像素的梯度大小和方向,因此步态能量图 Ax, y)=arctan 分別经过算子和算子提取特征之后仍然得到 步骤梯度方向直方图。将图像划分为许多的 幅具有灰度大小变化的图像。为了能从灰度图中获 单元(本文采用 个像素为一个,不存在相邻得更卡富有用的纹理信息和边缘形状信息,继而间接获 的之间重叠的情况),统计锊一个内的所有梯得原始目标图像的灰度变化,可以提取一幅步态能量图 度,将全部的梯度方向划分成个,每个对应的分层的特征和特征。步态能量图每一层的 的梯度幅值累加,最后归一化直方图,便可得到每一个 和特征的提取效果图如图所示 的特征。 步骤重叠块直方图归一化。将若十单元组 成一个块(木文采用每个单元构成一个 块,允许之间重叠),把一个中所有的的 特征直方图依次串联,组成一个的特征直方图,按 ()第一层 ()第二层 )第三层 顺序把所有的特征直方图连起来,即可获得整幅 特征提取图像特征提取图像特征提取图像 图像的特征。 张图的特征图像及特征直方图如图 ()原图 所示 特征与特征融合 ()第一层 只有计算简单、准确率高等优点,但是其对于 特征提取图像特征提取图像特征提取图像 复杂图像提取的特征不完整且准确率较低。然而目标 图三层和三层特征提取图像 图像的轮廓边界信息也非常重要。为了充分考虑人体 从图可以看出,图像的多层特征和特 目标图像的局部形变,更好地描述人体的边界轮廓信征都包含步态信息、。图()可以清晰地表达人体步态 息,本文引入特征。通过将图像逐步细化为块、单纹理结构,具有较强的纹理信息和轮廓信息;图()的 元格,从而更进一步地表达图像各个部分像素点之间的纹理信息弱于图()的,轮廓开始模湖,但是其仍然包 关联。算子同样把目标图像划分为若干大小相同含有用的信息;图()的信息最弱;图()可以清晰地 的单元格,利用各个部分的梯度大小和方向的分布直方表示步态的边缘信息;图()和图()也能清晰地看到 图来描述图像特征 步态的边缘信息,因此考虑分层特征能够提取更完整的 因此,为了提高识别率,本文综合运用算子利信息 计算机工程与应用 融合特征 的特征融合,记为[LBPk,HOGk]K=1,2,3 传统的步态别算法提取的步态特征较为单一,此步骤将每层的融合特征进行顺序级联得到这幅 外还有遮挡、光线等干扰因素的影响使得步态识別率较步态能量图的最终特征,即LBPⅠOGm,m,m=1,2,3 低。因此,信息融合理论被人量的应用于步态识别方 两种的特征的融合过程的流程图如图,其效果 面。如 等将普氏分析法与椭国傅里叶描述。》图如图 子相结合匹配人体轮廓用于步态识别,该方法结合人体 的时空运动特征统计和物理参数分析人体的轮廓形 步态 () 能量图 状,但是其只考虑了人体的轮廓特征,忽略了内部特 等大分块↓等大分块 征。 等提出了一种基于人体不同的步态数据 的生物测量系统,融合了动态信息(地面的反作用力)和 静态信息(人体的测量数据,如:躯干、臀部的宽度,大朋 特征提取特征提取 的长度秈身高等),该融合方法特征提取繁琐,特征融合 层面计算复杂度大,很难满足监控实时性的需求。为了 提取更加丰富的信息,本文将图像的特征和 特征融合,该融合方法既可以描述图像的局部纹理信息 又可以描述图像的边缘轮廓信息,并且计算方法简单, 计算速度快。 山图可知,前层的特征图像和特征图 像都包含比较清晰纹理特征和轮廓边缘特征,随着提取 图两种特征的融合流程图 层数的增加,图像屮合理有用的信息越来越少,第层 的信息明显开始模糊,所以本文实验分层提取的 和特征图像,每层分别包含有用的信息,若将不 同层的信息合成新的特征,则所提取的信息就更加的完 人圈圆 整有效了。因此,本文使用特征融合方法,即分层 步态能量图 与基于分层的分层特征融合。该方法的思想 图两种特征的融合图像 是首先对图依次提取三次特征,并获得每一层 的直方图和每一层的图像,然后在每一层的 其中,HOG、=1,23表示从第i层特祉图像 图像上提取对应 特征,得到每一层的基于中提取出的 特征, LBPHOGI,mm=1,2,3表示 图像的直方图和特祉图像,将每一层的前m层的特征与基丁从前m层的特征图像 特征直方图和基于图像的特征直/图依中提取出的 特征的融合特征,如 LBPIIOG(2,2)表 次串联,得到每一层的融合特征直方图,最后把三层的示前层的特征与基于前层特征图像的 融合特征直方图顺序级联,形成最终的融合特征。该算 特征得融合特征,即 法的实现步骤如下 步骤对进行m次特征提取,得到m层 实验与分析 特征图像,即LBP(m,m=1,2.3。 本文选用常用的监督学习方法中的最简单的分类 步槊将LBPm)m=1,2.3特征图像进行相同方方法,即最近邻分类器(),通过距离度量方法找出测 式的分块,将其等分成大小相等,没有交叠均匀子块。试样本到各训练样本之间的距离,从而将测试样本分到 计算全部子块的特征直方图,依次串联所有的直方离其最近的训练样本所属的类别。 图,得到每层特征图像的最终直方图,即最终特征, 实验数据库 记LBPx(K=1,2,3 为了验证本文融合算法的准确率,本文在 步骤提取每·层LBP(m,m=1,2,3特征图像屮(屮国科学院自动化研究所)数据库和 步 各个子块的特征直方图,并将质有子块的特态数据集( )上进行仿真实验。仿 征直方图依次串联,形成LBP(mm=1,2,3的第二个特真实验环境为 征向量,即分层HOGκ(K=1,2,3特征。 内存,操作系统, 步骤将每层提取的两个特征,LBPk(K=1,2,3) 软件。 和HOG(K=1,2,3)进行融合,形成每层图像的最终 数据库是一个小规模的数据 融合特征,即每一层特征与基于每一层特征库,它包含个人的数据,每个人分别在个方向( 刘文婷,等:基于和征分层融合的步态识别 )上行走次,每人共有个图像序列。每一组 表两个数据集上的 图像序列包含人体目标行走的两个步态周期。本文实 正确识别率 算法 验中采用视角为时的全部个步态序列。 () 数据库是一个包含了个视 角,个人的大规模的数据厍。它采集了每个人在普 通情况穿大衣和携带包裹这三种条件的个视角 )的行走视频。本文的实验数据 本文算法 采用的是在普通条件下,视角时的步态序列。 ()数据集采集了个人的视频,视频中人 定义为个 们行走在相圆轨道上。控制的外在因素包括:采集的视测试度量的实际类别在它前 个匹配值(这里的 角不同,走在水泥地草地上,携带包裹情况,穿不同的 ●)之间的索积概率。是等于时的 鞋子,采集的时间不同。等人在做步态识别实验果计识别率。五种方法的分别如图、所示。 时划分了组条件不同的测试集,用其来比较各个算 法在不同的环境下的识别性能。本文使用了其所用的 组()测试集。 分块大小的比较 本文在融合特征算法步哚中将l.HPm),m=1,2,3 ■木文算法 特征图像等分成大小相同,没有交叠的若干子块。本实 验分别比较了 分块下,本文算法在三个步态数据集上的识别率,从而 得到最佳的分块,比较结果如图所示 图本文算法在 数据集上的曲线 尔回长世 ■本文算法 图本文算法在 数据集上的曲线 分块大小 从图和图所示的实验结果可知,本文的算法 图三个步态数据库中分块大小的比较 在两个数据集上的识别率均明显高于其他的四种算法 从图可以看出三个步态数据库中的最优分块为 为了在进一步验证本文算法的优点,用数据集 。分块较大或者较小都会对识別率造成影响。因为上的绀测试集()两次验证了本文提到的五种算 过人的分块无法提取到准确且合适的局部特征,而过小法的识别率。相比丁数据集,数据集中视 的分块易受图像配准和人体动作的影晌,从而使提取的频的拍摄环境较为多样化,存在许多干扰因素,且摄像 全局和局部特征不准确。 机距目标对象的拍摄距离较远,所以其比较适用于研究 实验结果 步态识别中干扰因素对识别率的影响。表、表反映 本文在评佔算法性能时,采用“留一交叉验证法”获了种算法的对比情况。从两个表中可以看出,本文的 得止确识别率( )的元算法在数据集上的 平均识别率均 偏估计,即每一次实验时留出一个样本序列作为测试样是最好的。 本,用剩余的样本序列作为的训练样本,根据训 练样本的相似性分类。为了比较本文融合特征的优 结论 势,比较了 本文提出了一·种基于步态能量图的和特 的识别率,结果如表所示。 征分层融合的身份识别算法。该方法利川分层思想,克 此外,在评估本文算法时还采用了累积匹配度服步态能量图的缺陷,不仅捕获到了人体H标图像的局 计算机工程与应用 表五种算法在数据集上 的比较 识别率 算法 平均 木文算法 表五种算法在数据集上的比较 ●.识别率 算法 平均 本文算法 部信息,还提取到了其轮廓和形状信息,两种信息相融 合的结果在 和步态数据集上验证,本文的 识别算法取得了较高的识别率。还有以下几个方面需 要进步研究:()在更多的步态数据库上多样化的试 验该算法的性能;()继续尝试不同的H标图像的分块 数量对实验结果的影响;()寻找识别率更高的特征提 取算法;()寻找更多评估算法功能的方法;()考虑引 入技术来提升算法的效率 参考文献: 刘志勇,冯国灿,陈伟福基于局部二值模式和辨识共同 向量的步态识别计算机科学, 张元元,李静,姜树明,等步态能量图的局部纹理特征分 析方法吉林大学学报(L学版), 史东承,贾令尧,梁超,等基于相位一致性改进的步态识 别方法计算机工程,, 苏菡,黄凤岗一种基于时空分析的步态识别方法模 式识別与人工智能 杨旗.薛定宁动静态信息融合及动态贝叶斯网络的步态 马勤勇,工申,聂栋栋,等基于瞬时步态能量图的远距 识别中国图象图形学报 离身份识别电子学报,() 计算机工程与应用 刘文婷,等:基于和征分层融合的步态识别 赵叶烨集成步态模板计算机工程与应用, 万源,李次欢吴克风,等和的分层特征融合 的人脸识别汁算机辅助设计与图形学学报, 张元元,吴晓娟,阮秋琦基于切向角特征的统计步态识 别模式识别与人工智能,,(): (上接第页) 赵卫中,马慧芳,傅燕翔,等基丁云计算平合 的 开行 聚类算法设计研究计算机科学, 易秀双,刘勇,李婕,等基于 的主成分分析算 法研究计算机科学,,( (上接第页 (): 证明,夲文所采用算法在保证行为识别的实时性的同 刘宇,江宏毅,王仕亮,等基于加速度时域特征的实时 时,能准确检測和分割出过渡动作,提高了算法的识别 人体行为模式以别上海交通大学学报, 效率,并且使静止这一状态能够得到更细粒度的区分, 进一步提升了人体行为识别算法的识别效果 宦若虹,陈月种基于特征增强和决策融合的人体行为 只别方法计算机科学,,(): 参考文献 茹晨光基丁传感器的人体行为认别技术研究杭州 封杰棠基于模型融合的人体行为识别方法研究杭 浙江大学 州:浙江大学 王兆礼,黄泽勤,李军,等基于和的中匡流域 汪仲伟基于智能手机中传感器的用户理解合肥:中 尺度气象干早及植被分布时空演变农业工程学报, 国科学技术大学, 朱响斌,邱慧玲基于智能手机传感器数据的人类行为识 魏凤英现代气候统计诊断与预测技术版北京:气 别研究计算机工程与应用 象出版社, 刘贤梅,赵丹,郝爱民基于优化的算法的人体运动 数据检索模式识别与人工智能 主腚,方河川,常俪琼,等基于的免携带设备手势 识别关键技术研究计算机研究与发展,,()

...展开详情
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
最新资源