摘 要：步态周期是步态的一个重要特征，步态识别是建立在准确的步态周期分割之上的。本文提出了一个基于下肢轮廓的步态周期检测方法，首先对步态序列图像进行灰度化，然后计算各像素点在步态图像序列中的中值，获取整个步态序列图像的背景，提取人体目标后，利用数学形态学方法和区域跟踪算法填补二值化图像中的空洞；采用轮廓跟踪算法获得人体下肢轮廓，并将其转换为对应距离向量，在一个步态系列中利用距离向量范数研究步态周期。本算法计复杂度低，鲁棒性好，精确度高。

　　关键词：步态周期；背景减除；轮廓跟踪；Shen滤波

　　中图分类号：TP391.4

　　步态识别是根据人们走路的姿势来进行身份识别[1]，步态识别是视频监控领域中的一个研究热门。目前，大多数步态识别的研究都是建立在周期分割很好的基础之上的，因此，步态周期的研究在步态识别中具有非常重要的意义。步态周期的研究主要有：Boulgouris[2]等人和BenAbdclkader[3]等人利用步态轮廓的自相关性来研究步态的周期性；Kale等利用人体宽度向量的范数随时间的变化规律来计算步态周期；Sarkar等人采用人体区域下部分像素点的周期性的变化规律确定步态的周期特性；BenAbdelka则利用人体轮廓的边界矩形框的宽度变化特点来确定步态周期；王科俊[4]利用基于区域特征的方法研究步态周期；陈实[5]等人以步态序列中人体轮廓区域外接矩形框作为图像区域，在图像区域自下而上的1/4高度内，等量水平分割三个区域，计算各区累计轮廓点数，利用相应的点分布直方图特征检测出步态周期。

　　1 图像预处理

　　先对视频中的单帧图像进行灰度变换后，利用如下办法获取背景图像和差分图像：

　　Isub（x，y，t）=I（x，y，t）-b（x，y）其中，{I（x，y，t）}为步态序列。

　　对差分图像Isub（x，y，t）二值化后，利用数学形态学方法、单连通分析和区域跟踪算法填充二值图像的空洞（如图1（e））。

　　（a）灰度图像 （b）背景图像

　　（c）背景减除图像 （d）二值图像 （e）人体目标

　　图1 序列图像预处理

　　2 特征提取

　　步态周期是指同一只脚连续两次触地的时间间隔[5]。由于行走过程中，人的下肢摆动是具有周期性的，在本文通过提取下肢周期性摆动的特征数据，研究特征数据的统计规律，根据数据分布规律来确定序列图像中的步态周期。

　　（a） （b） （c）

　　（d） （e） （f）

　　图2 侧面步态下肢轮廓

　　我们按摄像机镜头和人行走方向所成的角度，将步态分成正面步态和侧面步态。对于正面步态，我们考虑每个状态左右腿的面积之差的变化规律[6]，此方法解决了正面步态的周期检测，但由于侧面步态下肢面积变化不具有规律性，因此这一方法不适用于侧面步态周期检测。对于侧面步态，我们利用边界跟踪算法获取下肢轮廓，按公式（1）计算轮廓质心：

　　， （1）

　　其中Nb为轮廓边界点数，（xi，yi）为轮廓边界点像素坐标。

　　按逆时针方向将轮廓边界展开，计算由边界像素点到质心的距离（如图3所示），并所组成一个距离信号，对距离信号进行采样，得到距离信号向量 ，其中：

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。