技術(shù)總結(jié)
本發(fā)明涉及基于傅里葉描述子和步態(tài)能量圖融合特征的步態(tài)識(shí)別方法，即：對(duì)單幀圖像進(jìn)行灰度化預(yù)處理，使用混合高斯模型實(shí)時(shí)更新背景，并通過(guò)背景減除法獲取前景；對(duì)每幀進(jìn)行二值化、形態(tài)學(xué)處理，獲取運(yùn)動(dòng)人體的最小外接矩，并歸一化至同一高度，根據(jù)最小外接矩高寬比的周期性變化獲取步態(tài)周期及關(guān)鍵5幀；提取關(guān)鍵5幀傅里葉描述子的低頻部分作為特征一；中心化周期內(nèi)所有幀以獲取步態(tài)能量圖，通過(guò)主成分分析降維作為特征二；融合此兩個(gè)特征后采用支持向量機(jī)進(jìn)行識(shí)別。本發(fā)明能夠?qū)崿F(xiàn)對(duì)當(dāng)前人行為是否異常的判定；使用混合高斯模型以確保對(duì)背景準(zhǔn)確建模，同時(shí)具有較好的實(shí)時(shí)性；使用的融合特征具有強(qiáng)表征性和魯棒性，能有效提高異常步態(tài)的識(shí)別率。

技術(shù)研發(fā)人員：石英;陳潔;余國(guó)剛;巢文科;全書(shū)海;張立炎;陳啟宏;謝長(zhǎng)君;鄧堅(jiān);雷博文;杜科;孫明軍
受保護(hù)的技術(shù)使用者：武漢理工大學(xué)
文檔號(hào)碼：201611067039
技術(shù)研發(fā)日：2016.11.24
技術(shù)公布日：2017.03.22