嵌入式人體步態(tài)自動(dòng)識(shí)別系統(tǒng)
加入技術(shù)交流群
2．2 步態(tài)圖像序列中的光流場(chǎng)
光流是指圖像中模式運(yùn)動(dòng)的速度。光流場(chǎng)是一種二維(2D)瞬時(shí)速度場(chǎng)，其中的2D速度矢量是景物中可見點(diǎn)的三維(3D)速度矢量在成像表面的投影。光流不僅包含了被觀察物體的運(yùn)動(dòng)信息，而且攜帶著有關(guān)景物3D結(jié)構(gòu)的豐富信息。光流法假定相鄰時(shí)刻之間的間隔很小(一般為幾十ms)，從而相鄰時(shí)刻的圖像差異也比較小。
2．2．1 光流的基本等式
光流亮度不變性描述的是圖像上某個(gè)象素點(diǎn)的灰度值隨時(shí)間的變化率為零，即
,展開為
本文引用地址：http://www.ex-cimer.com/article/152274.htm 若記
其中u和v是該點(diǎn)的光流的x分量和y分量，則式(1)為
式(2)就為光流計(jì)算的基本等式。
2．2．2 光流有關(guān)的計(jì)算
對(duì)于圖像上的每一點(diǎn)(xi,yi)，求解光流場(chǎng)方程(2)，得到由迭代形式表示的解為：
2．3 光流場(chǎng)中運(yùn)動(dòng)特征的提取
從光流中提取的特征包括運(yùn)動(dòng)點(diǎn)T，加權(quán)的運(yùn)動(dòng)點(diǎn)|(u,v)|，|u|，|v|，以及光流分布的質(zhì)心特征等。通過光流場(chǎng)，利用T(u，v)將運(yùn)動(dòng)點(diǎn)(白色)和非運(yùn)動(dòng)點(diǎn)(黑色)區(qū)分開來(lái)，由下式表示：
在本實(shí)驗(yàn)中，選取|(u，v)|
加權(quán)橫坐標(biāo)
作為從光流場(chǎng)中提取的步態(tài)特征。
2．4 步態(tài)特征的數(shù)據(jù)融合
對(duì)于所提取的步態(tài)特征xuc和yuc，由數(shù)據(jù)融合算法D-S合成公式：
其中m1和m2是特征空間上的兩個(gè)mass函數(shù)，
N為矛盾引子，
2．5 識(shí)別
將由數(shù)據(jù)融合得出的特征進(jìn)行基于PCA的特征空問變換。假設(shè)初始的訓(xùn)練樣本集為T={pi-j},i=1，2，…，C，j=1，2，…，Ni；第i個(gè)人第j個(gè)步態(tài)樣本向量為Xij，而樣本總數(shù)為NT=N1+N2+…+Nc。
求樣本集的總體均值向量μ和協(xié)方差矩陣∑，
如果協(xié)方差矩陣∑的秩為N，由det|λI-∑|=0求得矩陣∑的N個(gè)特征值λ1，λ2，λ3，…，λN，并由矩陣方程λiI-∑=0，i=0,1,2，…，N;求得對(duì)應(yīng)于N個(gè)特征值λ1，λ2，λ3，…，λN的N個(gè)特征向量e1，e2，e3，…，eN。選取與前K個(gè)最大特征值對(duì)應(yīng)的前K個(gè)特征向量，并使
其中α表示樣本集在前K個(gè)軸上的能量占整個(gè)能量的百分比。通常取α值接近于1，以使得樣本集在前K個(gè)軸上的能量幾乎接近于整個(gè)能量。
用式(2)中所求得K個(gè)特征向量重建初始樣本集中的每個(gè)樣本。算法如下：
這樣就得到一個(gè)K維的權(quán)向量Ωi，j用于進(jìn)行識(shí)別。
選取最近鄰分類法進(jìn)行步態(tài)模式分類。設(shè)經(jīng)過特征提取并向特征空間投影，所得到的特征向量為Ω，求得Ω與每個(gè)每個(gè)模式類的平均向量Ω i，j之間的歐幾立德距離。
其中
由最近鄰分類法的判決準(zhǔn)則可知，當(dāng)εi(x)的值最小時(shí)，則x∈εi；否則x∈εi。
評(píng)論