CN106951868B - 一种基于身形特征的步态识别方法及装置 - Google Patents

Abstract

本发明公开了一种基于身形特征的步态识别方法及装置，属于生物特征识别领域。所述方法包括：获取待识别的动态图像，所述动态图象中包括连续的步态图像；分割步态图像，得到一个或多个独立人体步态图像集；按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。本发明结合身形特征和步态特征，对用户进行身份识别，提高识别准确性。

Description

一种基于身形特征的步态识别方法及装置

技术领域

本发明涉及生物特征识别领域，特别涉及一种基于身形特征的步态识别方法及装置。

背景技术

生物特征识别技术是鉴定个体身份的一种方法，包括人脸识别、指纹识别、虹膜识别和步态识别等多种识别技术，目前广泛使用的指纹识别、虹膜识别及人脸识别等技术为第一代生物特征识别技术，但是指纹、虹膜包括人脸特征容易被复制备份，相应地产生他人假冒进行身份认证的恶意行为，造成严重的后果。

步态识别旨在根据人们走路的姿势进行身份识别，是一种较新的生物认证技术，作为第二代生物特征识别技术，步态识别是唯一在远距离情况下可以进行身份认证的生物特征识别技术，具有隐蔽性好、对视频质量要求不高、远距离非接触以及难以伪装等优点。在智能视频监控领域，步态识别比面部识别更具有优势。

现有的步态识别方法通常是基于各种算法对步态本身的特征进行识别，而忽略了人体本身的特征对步态识别的辅助作用，使得步态识别的算法过于复杂且无法取得精准的识别度。

现有技术至少存在以下缺点：

1、需要提取大量的步态特征样本，并对其进行预处理，特征工程需要大量的人力投入，开发周期长；

2、由于涉及到大量特征处理，模型部署复杂性高；

3、对步态特征的预处理容易导致数据特有的空间信息遭到破坏，使得前后步态的内在相关性断裂，识别精准度低。

发明内容

为了解决现有技术的问题，本发明提供了一种基于身形特征的步态识别方法及装置，结合身形特征的识别技术，辅助步态识别，提高识别的准确性。所述技术方案如下：

一方面，本发明提供了一种基于身形特征的步态识别方法，所述方法包括：

获取待识别的动态图像，所述动态图象中包括连续的步态图像；

分割步态图像，得到一个或多个独立人体步态图像集；

按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；

遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

优选地，所述目标身形数据对应的预定义的目标字段为身体比例数据，所述目标字段包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比。

进一步地，所述目标步态数据对应的预定义的目标字段包括：大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

具体地，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

优选地，所述分割步态图像，得到一个或多个独立人体步态图像集包括：

利用中间值算法从动态图像中重建背景图像；

利用背景减除法获取每个独立人体的二值化图像序列；

利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

根据所述运动目标区域检测得到目标的轮廓；

根据所述轮廓分割得到一个或多个独立人体步态图像集。

另一方面，本发明提供了一种基于身形特征的步态识别装置，所述装置包括：

动态图像模块，用于获取待识别的动态图像，所述动态图象中包括连续的步态图像；

分割模块，用于分割步态图像，得到一个或多个独立人体步态图像集；

提取模块，用于按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；

第一比对模块，用于遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

第二比对模块，用于响应第一比对模块的匹配结果，获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

优选地，所述提取模块包括身形特征获取子模块，用于获取身体比例数据，包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比。

进一步地，所述提取模块包括步态特征获取子模块，用于获取大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

具体地，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

优选地，所述分割模块包括：

背景重建单元，用于利用中间值算法从动态图像中重建背景图像；

背景减除单元，用于利用背景减除法获取每个独立人体的二值化图像序列；

单连通单元，用于利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

轮廓单元，用于根据所述运动目标区域检测得到目标的轮廓，并根据所述轮廓分割得到一个或多个独立人体步态图像集。

本发明提供的技术方案带来的有益效果如下：

1)采集待识别对象的身形特征数据，即静态数据，作出第一步的筛选，为动态识别提供了更完善的基础；

2)采集待识别对象的步态特征数据，即动态数据，比对得到精确识别结果；

3)结合身形和步态特征数据，简化了动态数据识别模型的构建，同时提高了识别的精准度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于身形特征的步态识别方法及装置的实施环境示意图；

图2是本发明实施例提供的基于身形特征的步态识别方法的流程图；

图3是本发明实施例提供的分割步态图像的方法流程图；

图4是本发明实施例提供的待分割的图像的示意图；

图5是本发明实施例提供的提取轮廓后的图像效果图；

图6是本发明实施例提供的基于身形特征的步态识别装置的模块框图；

图7是本发明实施例提供的基于身形特征的步态识别装置的计算机终端的硬件结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明提供了一种基于身形特征的步态识别方法及装置，参考图1可以看出，其示出了本发明实施例提供的一种基于身形特征的步态识别方法及装置所涉及的实施环境的结构示意图。该实施环境包括配置有用户终端101、步态识别装置102和数据库103。

其中，步态识别装置102如下述装置实施例所述，每个用户终端101通过步态识别装置102识别用户身份。步态识别装置102可以配置在用户终端101中，也可以独立于用户终端101而配置。实施环境中可以有一至多个步态识别装置102，组成一个基于身形特征的步态识别装置的集群，当需要进行身份识别的用户终端101的个数较多时，多个步态识别装置102可以并行操作，从而提高识别速度。

数据库103中存储有步态识别装置102在身份识别过程中所需的数据，如身形数据和步态数据等。

数据库103除了可以独立于步态识别装置102和用户终端101配置之外，还可以配置在步态识别装置102中，使得步态识别装置102可以直接从自身配置的数据库中获取所需的数据，或者数据库103还可以配置在用户终端101中，使得步态识别装置102从用户终端101配置的数据库中获取所需的数据，本发明实施例在此不对数据库103的配置方式进行具体限定。

用户终端101与步态识别装置102之间通过网络进行通信，步态识别装置102与数据库103之间也通过网络进行通信，该网络可以为无线网络或有线网络，本发明实施例在此不对通信方式进行具体限定。

在本发明的一个实施例中提供了一种基于身形特征的步态识别方法，参见图2，方法流程包括：

S21、获取待识别的动态图像。

具体地，所述动态图象中包括连续的步态图像，所述动态图像可以是连续拍摄的多幅图像，也可以是视频中的一段帧图像集合。

S22、分割步态图像。

具体地，分割步态图像得到一个或多个独立人体步态图像集。

S23、提取目标身形数据及对应的目标步态数据。

具体地，按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集。

S24、比对身形数据。

具体地，遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对。

S25、比对步态数据。

具体地，若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对。

S26、若比对成功，识别匹配结果对应的用户信息。

在本发明的一个实施例中，提供了一种分割步态图像的方法，参见图3，方法流程包括：

S221、从动态图像中重建背景图像。

具体地，利用中间值算法从动态图像中重建背景图像。在本发明实施例中，设{I_k，k＝1，2，...，N}表示包含N帧的图像序列，背景图像用B(x,y)＝med_k(I_k(x,y))表示，其中，I_k(x，y)是像素(x，y)处的灰度值，B(x，y)是背景图像在像素(x，y)处的灰度值。

S222、获取二值化图像序列。

目前常用的运动目标检测的方法包括背景减除法、时间差分法和光流法等，基于各方法的复杂性和检测的有效性考虑，在本发明实施例中，利用背景减除法获取每个独立人体的二值化图像序列，进行左右图像序列的运动目标检测。

但是，由于在对图像进行差分时很难确定合适的二值化阈值，因此在本发明实施例中，采用以下提取函数间接执行差分操作：

其中，a(x，y)为当前图像在(x，y)处的亮度值，b(x，y)为背景图像在(x，y)处的亮度值，且0≤a(x，y)，b(x，y)≤255。对于每幅图像I(x，y)，通过二值化该提取函数可获取当前图像中的变化像素。

S223、获取单连通运动目标区域。

具体地，利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域。

S224、根据所述运动目标区域检测得到目标的轮廓。

在本发明实施例中，采用Canny算子检测出运动目标的轮廓。如图4所示，使用本发明实施例的运动目标轮廓提取方法，可得到如图5所示的运动目标轮廓提取结果。

在执行提取轮廓前还可以对图像进行数学形态学处理：由于图像中通常包含一些由影子、光照等原因造成的非背景噪声点，使得背景减除后得到的二值化图像存在一些小空洞、沟壑及毛刺等非目标对象，因此使用数学形态学方法填充空洞、去除噪声。

S225、根据所述轮廓分割得到一个或多个独立人体步态图像集。

在本发明的一个实施例中，优选地，所述目标身形数据对应的预定义的目标字段为身体比例数据，所述目标字段包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比；所述目标步态数据对应的预定义的目标字段包括：大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度，将各字段按照预定义的次序组成目标身形与步态数据集。

与之对应地，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同，以使其与数据库中的各项数据进行比对。

在本发明的一个实施例中，数据库中预存有且仅有一个用户的身形数据和步态数据，然后对监控视频的图像集进行识别，可以实现对专人的追踪监控，主要运用在犯罪跟踪应用领域中，也可以将多个追缉中的罪犯的身形数据和步态数据存入数据库，进行同步追缉。

在本发明的另一个实施例中，数据库中预存有多个授权用户的身形数据和步态数据，然后对访客的验证视频进行识别，可以实现用户的身份验证，主要运用在门禁验证应用领域中。

在本发明的一个实施例中，提供了一种基于身形特征的步态识别装置，所述装置的模块架构参见图6，所述装置包括以下模块：

动态图像模块610，用于获取待识别的动态图像，所述动态图象中包括连续的步态图像；

分割模块620，用于分割步态图像，得到一个或多个独立人体步态图像集；

提取模块630，用于按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；

第一比对模块640，用于遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

第二比对模块650，用于响应第一比对模块的匹配结果，获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

优选地，所述提取模块630包括身形特征获取子模块631，用于获取身体比例数据，包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比。

进一步地，所述提取模块630包括步态特征获取子模块632，用于获取大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

进一步地，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

优选地，所述分割模块620包括：

背景重建单元621，用于利用中间值算法从动态图像中重建背景图像；

背景减除单元622，用于利用背景减除法获取每个独立人体的二值化图像序列；

单连通单元623，用于利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

轮廓单元624，用于根据所述运动目标区域检测得到目标的轮廓，并根据所述轮廓分割得到一个或多个独立人体步态图像集。

需要说明的是：上述实施例提供的识别装置在进行步态识别时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将识别装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，本实施例提供的识别装置实施例与上述实施例提供的识别方法属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本发明实施例提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行，在本发明的一个实施例中，以运行在计算机终端上为例，图7是本发明实施例的基于身形特征的步态识别装置的计算机终端的硬件结构框图。如图7所示，终端800可以包括RF(Radio Frequency，射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(wireless fidelity，无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解，图7中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器180处理；另外，将涉及上行的数据发送给基站。通常，RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low NoiseAmplifier，低噪声放大器)、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System ofMobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(CodeDivision Multiple Access，码分多址)、WCDMA(Wideband Code DivisionMultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(ShortMessaging Service，短消息服务)等。

存储器120可用于存储软件程序以及模块，处理器180通过运行存储在存储器120的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端800的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180和输入单元130对存储器120的访问。

输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端800的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图7中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。

终端800还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端800移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端800还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路160、扬声器161，传声器162可提供用户与终端800之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端800的通信。

WiFi属于短距离无线传输技术，终端800通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块170，但是可以理解的是，其并不属于终端800的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器180是终端800的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端800的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器180可包括一个或多个处理核心；优选地，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。

终端800还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，终端800还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端的显示单元是触摸屏显示器，终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含用于进行以下操作的指令：

获取待识别的动态图像，所述动态图象中包括连续的步态图像；

分割步态图像，得到一个或多个独立人体步态图像集；

按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；

遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

具体地，终端的处理器还用于执行以下操作的指令：

利用中间值算法从动态图像中重建背景图像；

利用背景减除法获取每个独立人体的二值化图像序列；

利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

根据所述运动目标区域检测得到目标的轮廓；

根据所述轮廓分割得到一个或多个独立人体步态图像集。

通过以上实施方式的描述，本领域的技术人员可以清楚地了解到本发明提供的步态识别技术方案可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本发明的一个实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，一个或者一个以上程序被一个或者一个以上的处理器用来执行步态识别方法，所述方法包括：

获取待识别的动态图像，所述动态图象中包括连续的步态图像；

分割步态图像，得到一个或多个独立人体步态图像集；

按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集；

遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

优选地，所述目标身形数据对应的预定义的目标字段为身体比例数据，所述目标字段包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比。

进一步地，所述目标步态数据对应的预定义的目标字段包括：大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

具体地，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

优选地，所述分割步态图像，得到一个或多个独立人体步态图像集包括：

利用中间值算法从动态图像中重建背景图像；

利用背景减除法获取每个独立人体的二值化图像序列；

利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

根据所述运动目标区域检测得到目标的轮廓；

根据所述轮廓分割得到一个或多个独立人体步态图像集。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于身形特征的步态识别方法，其特征在于，所述方法包括：

获取待识别的动态图像，所述动态图像 中包括连续的步态图像；

分割步态图像，得到一个或多个独立人体步态图像集；

按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集，所述目标身形数据对应的预定义的目标字段为身体比例数据，所述目标字段包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比；

遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

若匹配，则获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

2.根据权利要求1所述的方法，其特征在于，所述目标步态数据对应的预定义的目标字段包括：大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

3.根据权利要求1所述的方法，其特征在于，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

4.根据权利要求1所述的方法，其特征在于，所述分割步态图像，得到一个或多个独立人体步态图像集包括：

利用中间值算法从动态图像中重建背景图像；

利用背景减除法获取每个独立人体的二值化图像序列；

利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

根据所述运动目标区域检测得到目标的轮廓；

根据所述轮廓分割得到一个或多个独立人体步态图像集。

5.一种基于身形特征的步态识别装置，其特征在于，包括：

动态图像模块，用于获取待识别的动态图像，所述动态图像 中包括连续的步态图像；

分割模块，用于分割步态图像，得到一个或多个独立人体步态图像集；

提取模块，用于按照预定义的目标字段，从每个独立人体步态图像集中获取目标身形数据及对应的目标步态数据，并以每个目标身形数据及目标步态数据作为子集组成特征集，所述提取模块包括身形特征获取子模块，用于获取身体比例数据，包括：头宽与肩宽比，耳长与头长比，小臂长与大臂长比，上身长与腿长比，大腿长与小腿长比，及脚长与腿长比；

第一比对模块，用于遍历特征集，将目标身形数据与预存在数据库中的身形数据进行比对；

第二比对模块，用于响应第一比对模块的匹配结果，获取数据库中与匹配结果对应的步态数据，并与目标身形数据对应的目标步态数据进行比对，若比对成功，识别匹配结果对应的用户信息。

6.根据权利要求5所述的装置，其特征在于，所述提取模块包括步态特征获取子模块，用于获取大臂摆幅、小臂摆幅，脚步距离，膝盖弯曲度，及两脚角度。

7.根据权利要求5所述的装置，其特征在于，所述预存在数据库中的身形数据和步态数据的提取规则与所述预定义的目标字段相同。

8.根据权利要求5所述的装置，其特征在于，所述分割模块包括：

背景重建单元，用于利用中间值算法从动态图像中重建背景图像；

背景减除单元，用于利用背景减除法获取每个独立人体的二值化图像序列；

单连通单元，用于利用单连通区域分析法在所述二值化图像序列中获得单连通的运动目标区域；

轮廓单元，用于根据所述运动目标区域检测得到目标的轮廓，并根据所述轮廓分割得到一个或多个独立人体步态图像集。