CN101901337B - 基于动态特征的个人识别方法 - Google Patents

基于动态特征的个人识别方法 Download PDF

Info

Publication number
CN101901337B
CN101901337B CN201010225349.7A CN201010225349A CN101901337B CN 101901337 B CN101901337 B CN 101901337B CN 201010225349 A CN201010225349 A CN 201010225349A CN 101901337 B CN101901337 B CN 101901337B
Authority
CN
China
Prior art keywords
suspect
target person
curve
video record
person
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201010225349.7A
Other languages
English (en)
Other versions
CN101901337A (zh
Inventor
兰玉文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Original Assignee
LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB filed Critical LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Priority to CN201010225349.7A priority Critical patent/CN101901337B/zh
Publication of CN101901337A publication Critical patent/CN101901337A/zh
Application granted granted Critical
Publication of CN101901337B publication Critical patent/CN101901337B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

基于动态特征的个人识别方法有如下步骤:把有动态目标人的视频录像分解成按时间顺序的系列照片;在目标人身上作出标志点;测取标志点水平坐标和垂直坐标;制取坐标的XY曲线、水平坐标和时间的XT曲线及垂直坐标和时间的YT曲线;制取嫌疑人在与上述目标人的状态因素相同条件下的动态视频录像,把嫌疑视频录像分解成按时间顺序的系列照片;按上述方法制取嫌疑人动态的xy曲线、水平坐标和时间的xt曲线及垂直坐标和时间的yt曲线;并与目标相比较。本发明根据人体上的标志点在水平方向、垂直方向和时间的三维关系,处理得到表明人动态个体特征的三维曲线。处理视频录像提取动态特征时方法简单使用方便,动态特征的个体性强,具有很强的实用性。

Description

基于动态特征的个人识别方法
技术领域
本发明涉及一种基于人的个体性特征的个人识别方法,特别是一种基于人的动态特征的个人识别方法。
背景技术
人之间有共性,也有个体性,法医人类学表明,人体上有许多可以互相区别的个体性特征,应用人体的个体性特征,可以进行个人识别。目前在个人识别中常用的个体性特征有指纹、掌纹、虹膜、脸面、牙齿、颅骨与颜面关系等。上述的个体性特征都是静态特征,静态的特征比较容易取得,一般静态特征图即可反映静态特征,目标人与嫌疑人的静态特征图可以很容易地进行直接比较,基于人的静态特征作个人识别也比较容易,上述用静态特征的个人识别方法已被广泛成熟地应用在个人识别中。用静态的特征作个人识别时,分别取目标人与嫌疑人的静态特征图,用目标人与嫌疑人的静态特征图的相同程度,判断目标人和嫌疑人是否是同一人。
在人体上,除上述静态个体性特征外,还有许多动态个体性特征。由于人的个体性,在完成同一动作时,不同的人会有不同特征的动态,这就是人的动态个体性特征。应用人的动态个体性特征也可以进行个人识别。动态特征不同于静态特征,动态特征不能用单张动态图片表现,动态是用动态按时间顺序的系列图片表现的,目标人的动态与嫌疑人的动态很难用按时间顺序的系列图片进行直接比较。为了比较目标人的动态与嫌疑人的动态,可以对视频录像中按时间顺序的动态系列图片中人的动态进行处理,根据人的动态参数制出动态特征图,再用动态特征图进行个人识别。在对按时间顺序的动态系列图片中人的动态进行处理进而导出动态特征的过程中,可以有不同的处理方法。现有技术中,中国专利ZL 01144157.7中公开了一种基于步态的远距离身份识别方法,该方法中提出一种对人步态的视频录像进行处理制取动态特征的方法,步骤有:获取训练步态序列;空间轮廓分割;形状距离信号提取;主成分分析;个性化体格特征提取,提取可视的个性化特征作为附加特征,用于步态分类的最终校验;获得已训练的步态数据库,在上述空间轮廓分割时有以下步骤:利用部分步态序列进行背景图像的构建;对构建的背景图像与当前输入的图像进行差分操作;对差分操作并二值化后的图像进行滤波;对滤波的图像进行连通分量分析,在进行差分操作后并进行二值化处理时要使用下述公式:
f ( a , b ) = 1 - 2 ( a + 1 ) ( b + 1 ) ( a + 1 ) ( b + 1 ) &CenterDot; 2 ( 255 - a ) ( 255 - b ) ( 255 - a ) ( 255 - b ) 0 < f ( a , b ) < 1 0 < a ( x , y ) , b ( x , y ) < 255
在形状距离信号提取时有以下步骤:提取步态轮廓的边界;将提取的边界转换为由所有轮廓边界点到其质心距离所组成的一维距离信号;对距离信号进行幅度和尺寸上的归一化。这种基于步态的远距离身份识别方法中,对用视频录像分解出的按时间顺序系列图片的处理较复杂,在实际应用不是很方便。
当前,视频录像监控系统在城市的公共场所和工、商企业的管理中已广泛地应用,监控系统可有效地获得突发事件中具有人活动的视频录像,对分析突发事件的原因有很大的作用,人活动的视频录像是人的活动按时间顺序的系列照片。分析视频录像中的活动过程,可以找出视频录像中的目标人,再根据其它线索可能找出与上述突发事件相关的嫌疑人。用处理方法简单、使用方便的方法判断视频录像中目标人和嫌疑人是否是同一人,在实践中有很重要的意义。
发明内容
本发明的目的是为了克服上述不足,提出一种处理方法简单、使用方便的判断视频录像中目标人和嫌疑人是否是同一人的基于动态特征的个人识别方法。
本发明是用如下方法实现的。
本发明方案是在获得具有目标人的动态视频录像后,再制取嫌疑人在与视频录像中目标人的状态情况尽可能相同条件下重复目标人活动的动态视频录像,分别对视频录像中目标人和嫌疑人的动态活动进行处理,制取目标人和嫌疑人的动态特征图,用目标人与嫌疑人动态特征图的相同程度,判断目标人和嫌疑人是否是同一人。上述动态视频录像中的目标人和嫌疑人都是单个人。上述目标人的状态情况是指目标人的活动地点、服饰、负荷、健康、情绪等情况。
为实现上述发明方案,基于动态特征的个人识别方法有如下步骤:
1.取具有目标人活动的目标视频录像,把目标视频录像分解成按时间顺序的系列目标照片;
2.在上述系列目标照片上的目标人身上与运动相关的点上标志出标志点;
3.测取在上述系列目标照片上目标人身上的标志点在水平方向和垂直方向的系列目标二维坐标Xi,Yi
4.制取上述系列目标二维坐标的X-Y二维曲线图;
5.制取上述系列目标照片上目标人身上标志点的水平方向坐标和时间的X-T二维曲线图;
6.制取上述系列目标照片上目标人身上标志点的垂直方向坐标和时间的Y-T二维曲线图;
7.制取嫌疑人在与上述目标视频录像中目标人的状态情况尽可能相同条件下重复目标人活动的嫌疑视频录像,把嫌疑视频录像分解成按时间顺序的系列嫌疑照片;
8.在上述系列嫌疑照片上嫌疑人身上与系列目标照片上目标人身上标志点相应的位置标志出标志点;
9.测取在上述系列嫌疑照片上嫌疑人身上标志点在水平方向和垂直方向的系列嫌疑二维坐标xi,yi
10.制取上述系列嫌疑二维坐标的x-y二维曲线图;
11.制取上述系列嫌疑照片上嫌疑人身上标志点的水平方向坐标和时间的x-t二维曲线图;
12.制取上述系列嫌疑照片上嫌疑人身上标志点的垂直方向坐标和时间的y-t二维曲线图;
13.分别比较X-Y二维曲线图与x-y二维曲线图、X-T二维曲线图与x-t二维曲线图和Y-T二维曲线图与y-t二维曲线图的曲线形状,用X-Y二维曲线图与x-y二维曲线图、X-T二维曲线与x-t二维曲线图和Y-T二维曲线图与y-t二维曲线图中曲线形状的相同程度,判断目标人和嫌疑人是否是同一人。
本发明在对具有人动态的视频录像进行处理时,根据人体上的标志点在水平方向、垂直方向和时间的三维关系,处理得到三维关系曲线,该三维关系曲线是表明人动态特征的三个二维曲线图。本发明在处理视频录像提取动态特征时,处理方法简单,反映人体动态特征的个体性强,区别性高,在用动态特征作个体识别时,使用方便,具有很强的实用性。
本发明不仅可以用人的步态提取动态特征进行个人识别,也可以用人的步态以外的各种人的动态提取动态特征进行个人识别。
下面结合附图,对本发明作进一步地说明。
附图说明
图1是根据本发明的发明方案提出的一种基于动态特征的个人识别方法中对目标人视频录像处理程序的示意图;
图2是对嫌疑人视频录像处理程序的示意图;
图3是对与目标人不是同一人的嫌疑人视频录像处理程序的示意图。
具体实施方式
图1、图2中,基于动态特征的个人识别方法有如下步骤:
(1)取具有目标人活动的目标视频录像1,把目标视频录像分解成按时间顺序的系列目标照片2;
(2)在上述系列目标照片上的目标人同一侧的手和脚上分别标志出标志点3、4;
(3)分别测取在上述系列目标照片上目标人同一侧的手和脚上的标志点在水平方向和垂直方向的系列目标二维坐标Xi,Yi和Xj,Yj
(4)分别制取上述系列目标二维坐标的X-Y二维曲线图5、6;
(5)分别制取上述系列目标照片上目标人身上标志点的水平方向坐标和时间的X-T二维曲线图7、8;
(6)分别制取上述系列目标照片上目标人身上标志点的垂直方向坐标和时间的X-T二维曲线图9、10;
(7)制取嫌疑人在与上述目标视频录像中目标人的状态情况尽可能相同条件下重复目标人活动的嫌疑视频录像11,把嫌疑视频录像分解成按时间顺序的系列嫌疑照片12;
(8)在上述系列嫌疑照片上嫌疑人与系列目标照片上目标人相应的同一侧手和脚上标志点相应的位置标志出标志点13、14;
(9)测取在上述系列嫌疑照片上嫌疑人同一侧手和脚上标志点在水平方向和垂直方向的系列嫌疑二维坐标xi,yi和xj,yj
(10)分别制取上述系列嫌疑二维坐标的X-Y二维曲线图15、16;
(11)分别制取上述系列嫌疑照片上嫌疑人身上标志点的水平方向坐标和时间的x-t二维曲线图17、18;
(12)分别制取上述系列嫌疑照片上嫌疑人身上标志点的垂直方向坐标和时间的y-t二维曲线图19、20;
(13)分别比较相对应的X-Y二维曲线图与x-y二维曲线图、X-T二维曲线图与x-t二维曲线图和Y-T二维曲线图与y-t二维曲线图的形状,用相对应的X-Y二维曲线图与x-y二维曲线图、X-T二维曲线图与x-t二维曲线图和Y-T二维曲线图与y-t二维曲线图形状的相同程度,判断目标人和嫌疑人是否是同一人。
图3是对另一嫌疑人视频录像的处理步骤。
上述实施例中,用本发明中的视频录像处理方法对图1中目标人视频录像处理后,得到三组二维曲线图5、6,7、8和9、10。在对图2中嫌疑人视频录像处理后得到三组二维曲线图15、16,17、18和19、20。分别比较相对应的二维曲线图5与15、6与16、7与17、8与18、9与19、10与20的形状,相对应的二维曲线基本相同,可以判断出目标人和嫌疑人是同一人。
上述实施例中,用本发明中的视频录像处理方法对图3中嫌疑人视频录像27处理后,得到三组二维曲线图21、22,23、24和25、26。分别比较相对应的二维曲线图5与21、6与22、7与23、8与24、9与25、10与26的形状,相对应的二维曲线差异较大基本不相同,可以明确地判断出目标人和嫌疑人不是同一人。
上述实施例中的步骤(2)、(8)中,只在目标人和嫌疑人身上同一侧的手上和脚上标志出两个标志点,处理后得到的三组二维曲线中每一组有两条二维曲线。在实际个人识别中,可以在目标人和嫌疑人身上标志出与运动有关的多个标志点,处理后得到的三组二维曲线中每一组有多条二维曲线,用多条二维曲线表明动态特征的个体性更强,使识别更加准确。
上述基于动态特征的个人识别方法可以用手工方法实现,也可以在微机上用图形处理软件很方便地实现。

Claims (1)

1.一种基于动态特征的个人识别方法,包括如下步骤:
首先取具有目标人活动的视频录像,对所述视频录像进行处理得到目标人的动态特征图,其次取具有嫌疑人活动的视频录像,对所述视频录像进行处理得到嫌疑人的动态特征图,最后用目标人的动态特征图与嫌疑人的动态特征图的相同程度,判断目标人和嫌疑人是否是同一人,其特征在于:
(1)在首先的步骤与其次的步骤之间,有摄取嫌疑人在与目标视频录像中目标人的状态情况尽可能相同的条件下重复目标人活动的具有嫌疑人活动的嫌疑视频录像的步骤,
(2)对具有人活动的视频录像进行处理的步骤是:
①把视频录像分解成按时间顺序的系列照片;
②在上述系列照片上的人身上与运动相关的点上标志出标志点;
③分别测取在上述系列照片上人身上的标志点在水平方向和垂直方向的系列二维坐标;
④根据系列二维坐标制作出二维曲线图、根据系列二维坐标中水平方向坐标和时间制作出二维曲线图、根据系列二维坐标中垂直方向坐标和时间制作出二维曲线图,得到表明人的动态特征的三个二维曲线图。
CN201010225349.7A 2010-07-14 2010-07-14 基于动态特征的个人识别方法 Expired - Fee Related CN101901337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010225349.7A CN101901337B (zh) 2010-07-14 2010-07-14 基于动态特征的个人识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010225349.7A CN101901337B (zh) 2010-07-14 2010-07-14 基于动态特征的个人识别方法

Publications (2)

Publication Number Publication Date
CN101901337A CN101901337A (zh) 2010-12-01
CN101901337B true CN101901337B (zh) 2015-05-20

Family

ID=43226861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010225349.7A Expired - Fee Related CN101901337B (zh) 2010-07-14 2010-07-14 基于动态特征的个人识别方法

Country Status (1)

Country Link
CN (1) CN101901337B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104257385B (zh) * 2014-10-16 2016-05-11 辽宁省颅面复原技术重点实验室 视频图像中人体身高的测量方法
CN106919893A (zh) * 2015-12-28 2017-07-04 中国移动通信集团公司 一种目标行为的识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1582851A (zh) * 2004-06-03 2005-02-23 清华大学 一种人体运动轨迹检测方法
CN1746929A (zh) * 2004-09-10 2006-03-15 日立欧姆龙金融系统有限公司 信息处理装置、非法者检测方法和自动提款机装置
CN1969748A (zh) * 2006-11-29 2007-05-30 华中科技大学 一种基于单目视频的计算机辅助步态分析方法
CN1996397A (zh) * 2006-12-20 2007-07-11 四川实力达巨元科技有限公司 社区用指纹智能安防系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1582851A (zh) * 2004-06-03 2005-02-23 清华大学 一种人体运动轨迹检测方法
CN1746929A (zh) * 2004-09-10 2006-03-15 日立欧姆龙金融系统有限公司 信息处理装置、非法者检测方法和自动提款机装置
CN1969748A (zh) * 2006-11-29 2007-05-30 华中科技大学 一种基于单目视频的计算机辅助步态分析方法
CN1996397A (zh) * 2006-12-20 2007-07-11 四川实力达巨元科技有限公司 社区用指纹智能安防系统

Also Published As

Publication number Publication date
CN101901337A (zh) 2010-12-01

Similar Documents

Publication Publication Date Title
CN106156754B (zh) 一种基于最大外切矩阵感兴趣区域提取和双边滤波的手指多模态预处理方法
CN103679151B (zh) 一种融合LBP、Gabor特征的人脸聚类方法
CN106548149B (zh) 监控视频序列中人脸微表情图像序列的识别方法
CN104933414B (zh) 一种基于wld-top的活体人脸检测方法
CN106899968A (zh) 一种基于WiFi信道状态信息的主动非接触身份认证方法
CN109993068B (zh) 一种基于心率和面部特征的非接触式的人类情感识别方法
CN106203356B (zh) 一种基于卷积网络特征提取的人脸识别方法
CN102542242B (zh) 非接触式采集图像的生物特征区域定位方法和装置
JP2018089142A (ja) 脳機能イメージングデータからヒトの脳活動状態を推定する方法
CN110796101A (zh) 一种嵌入式平台的人脸识别方法及系统
CN103440035A (zh) 一种三维空间中的手势识别系统及其识别方法
CN104102903A (zh) 一种基于src的二次人脸识别方法
CN107480716A (zh) 一种结合eog和视频的扫视信号识别方法及系统
CN104679967A (zh) 一种判断心理测试可靠性的方法
CN101901337B (zh) 基于动态特征的个人识别方法
Arai et al. Gait recognition method based on wavelet transformation and its evaluation with chinese academy of sciences (casia) gait database as a human gait recognition dataset
CN107480635A (zh) 一种基于双模态分类模型融合的扫视信号识别方法及系统
CN108345873A (zh) 一种基于多层卷积神经网络的多自由度人体运动信息解析方法
Savadi et al. Face based automatic human emotion recognition
CN107045624A (zh) 一种基于最大加权团的脑电信号预处理与分类方法
CN103426005B (zh) 微表情自动识别的建库视频自动切段方法
CN105718953A (zh) 一种基于矩阵灰建模的单次p300检测方法
Mohseni et al. Facial expression recognition using DCT features and neural network based decision tree
CN110197172B (zh) 一种基于光电血管容积信息进行身份认证的方法及装置
CN101901349A (zh) 人体动态特征点重合方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150520

Termination date: 20180714