·434 智能系统学报 第6卷 2.1提取轮廓线并采样 02=(288°-252)/W2; (4) 2.1.1轮廓的提取—Canny算子 躯干区采样间隔为 Canny算子[o是一种比较新的边缘检测算子， 03=(252°-108)/N3, (5) 具有很好的边缘检测性能，不容易受噪声干扰，能够 本文根据经验知识取N1=N2=80,N3=48,采样结 检测到真正的弱边缘，而且使用2种不同的阈值能 果如图3(d). 分别检测强边缘和弱边缘，并且当弱边缘和强边缘 相连时，才将弱边缘包含在输出图像中.Canny边缘 108°H&S72 检测算子的基本算法分为3个步骤：1)对图像选择 一定的高斯滤波器进行平滑滤波.2)采用非极值抑 T180° P 制(non-maxima suppression)技术对平滑后的图像进 行处理.非极值抑制技术就是：计算平滑后图像的每 270° 个像素处的梯度幅值和方向，梯度方向用来细化边 252eL&F2889 缘，如果像素响应高于梯度方向上它的两相邻点的 a)采样区城 b)Cany边缘提取结果 像素，其值则保留，否则抑制该像素.3)选择跟踪具 有高幅值的轮廓，最后选择满足高阈值和低阈值的 (xV 像素点做为初始点，按顺序跟踪连续的轮廓段.从本 质上讲，Canny边缘检测算子属于具有平滑功能的 一阶微分算子，采样结果如图3(b)所示。 (c等角度采样 d分区域定点采样 H&S:头肩区L&:腿脚区T:躯干区 2.1.2轮廓采样 为了对提取的轮廓线进行Procrustes统计形状 图3采样图像 Fig.3 The images of sampling results 分析，需要将二维的轮廓图像表示成一个一维的向 量，鉴于轮廓的像素点数都不一致，所以本文采用轮 2.2 Procrustes均值形状 廓采样法，提取边缘上的256个点.本文开始采用等 一帧目标图像在提取轮廓和进行采样后，就得 角度采样的方法，结果如图3（©），但是效果不理想， 到了这个轮廓的一维向量表示，由于在采样的过程 因此采用分区域定点采样的方法「8].分区域定点采 中，是从x轴逆时针开始的，于是每帧图像的一维向 样方法的基本思想，就是先计算出轮廓的质心，以此 量的每个元素都是基本对应的，这样就做到了采样 质心作为直角坐标系的原点，边缘上的像素点也就 点匹配.将向量的元素进行逆变换—极坐标到直 有了相应的直角坐标；然后，将边缘上的像素点进行 角坐标的转换，再将每个形状表示成一个复数向量， 坐标变换，变成在极坐标下的形式；最后，对轮廓进 称为配置向量： 行分区域等间隔采样.其中，将人体分成头肩区 0=[4h2…42%]T (72°~108°)、腿脚区(252°~288°)和躯干区（其余 式中：：=x+jy:,（,y:)是采样后的轮廓坐标，如 的部分)3个区域，如图3(a)所示. 图3(d).当给定的一个步态序列含有n帧图像时， 理论上质心计算方法如式(1)： 就可以得到n个这样的复数向量 得到这n个配置向量之后，就可以利用Procrus- x。=N点 (1) tes形状分析来得到序列的均值形状D.为了计算 式中：N是边缘像素点的个数；(xm,ym)是边缘点的坐 刀，首先计算配置矩阵： 标.由于这种计算质心的方法有时候不能准确地表现 s=分0U 质心，所以，本文提出一种新的计算质心的方法，取轮 台UU: 廓的外接矩形的中心作为轮廓的质心，如式(2)： 则Procrustes的均值形状刀对应着矩阵S的最优配 x。=(1+r)/2,y。=(t+b)/2. (2) 置向量，即S的最大特征值对应的特征向量， 式中：1、「、、b是轮廓的外接矩形的左、右、上、下边 综上所述，计算PMS1的步骤如下. 在直角坐标系中的位置 1)得到运动目标的轮廓之后，进行分区域定点 采样间隔如式(3)~(5)所示，头肩区采样间隔为 采样[8]，本文采256个点，用这些采样点将每个轮廓 01=(108°-72)/W1; (3) 表示成一个复数向量U(i=1,2,…,n),n是一个步 腿脚区采样间隔为 态序列中的有效帧数