第3期 王科俊，等：采用Radon变换和二维主成分分析的步态识别算法 ·267· 工学院、卡内基梅隆大学等.国内最早是中科院自动 化所的王亮等2]提出了一种人体轮廓解卷提取距 离信号的步态识别算法.其后，西安电子科技大学、 西安交大、复旦大学、上海交大、南京理工大学、华中 (a)灰度变换 (b)背景图像 科技大学和哈尔滨工程大学等诸多高校都开展了步 态识别的研究工作.目前步态识别方法可以分成3 类：二维步态识别、三维步态识别以及两者相结合的 方法.二维步态识别就是在单摄像机拍摄的视频中 ()背荥减除 (d人休日标 (e)归…化 通过轮廓提取最低层的信息进行分析识别：而三维 图1图像预处理 步态识别方法]则通过多个摄像机对人体三维模 Fig.1 Image preprocessing 型跟踪，三维重建人体结构，分析关节运动位移来识 别身份.另外很多研究者着手用Radon变换提取步 2 步态特征提取 态特征.黄凤岗等人4对下肢进行Radon变换，提 运动人体轮廓的宽高比成周期性变化，因此在 取运动角度信息，对所得到的特征使用经典主成分 提取步态特征只需在一个周期中进行.为了同时刻 分析(principal component analysis,PCA)后进行动 画人身体形状的静态特征和运动的动态特征，采用 态时间规整，该方法计算复杂，处理速度慢，不适合 Radon变换的方法来提取步态特征，2DPCA算法直 实时的步态识别，而且该算法仅仅是在较小的数据 接对所得到的特征矩阵进行降维处理， 库上做的尝试.Boulgouris等人s)也尝试了Radon变 2.1步态图像的Radon变换 换结合线性判别分析(linear discriminant analysis, 设函数f(x,y)∈L(D)在平面D区域平方可 LDA)提取步态特征.笔者前期也做过Radon变换结 积，则f(x,y)的Radon变换R,(p,0)可表示如下： 合经典PCA提取步态特征的方法[6]，但是由于 R(p,0)= LDA、PCA总是首先要把二维图像矩阵转换成一维 向量，造成相关矩阵的维数较高，特征值、特征向量 ∫∫，）·6p-xosg-ysin0)]dkd. 的获取很耗时，而且在文献[6]也没有对模板构造 式中：P是点(x,y)的极径，0是点(x,y)的极角，有 的实质进行分析.本文在文献[6]基础上改用 序实数对(p,0)是点(x,y)的极坐标 2DPCA[71的方法直接对矩阵降维.首先对一个步态 Radon变换的作用就是计算指定方向上图像的 周期内的每一幅图像进行Radon变换，再通过模板 投影，对于二元函数(x,y)则计算该函数在某一方 构造提取步态特征矩阵，并对模板构造的实质进行 向的线积分.如图2为步态图像的Radon变换结果. 阐述，最后通过实验确定较好的Radon变换参数和 Radon变换后图像的第1列像素，对应于原始图像 模板构造的频率参数，得到了Radon变换方法结合 在垂直方向的投影；变换后图像的正中间的一列像 列2DPCA提取步态特征是比较有效的结论. 素，对应于原始图像在水平方向的投影.很明显，水 1步态序列图像预处理 平方向的投影比垂直方向的投影范围大，这是因为 人体固有的身形所致.采用Radon变换的方法提取 为了提取人体目标，首先从原始视频中提取单 步态特征的优点在于对前期处理中轮廓边缘的噪声 帧图像进行灰度变换（如图1(a));然后逐帧计算 点有较强的鲁棒性[6， 各像素点的中值，作为整个序列的背景图像 (如图1(b));最后，采用背景减除法提取人体目标 (如图1(c),用数学形态学填补二值化图像的空 洞、单连通分析提取人的侧影（如图1(d)).为了消 除图像大小对识别的影响应使人体居中，将图像的 图2步态图像的Radon变换 大小统一为64×64（如图1(e)[1. Fig.2 Radon transform of gait image