嵌入式系統(tǒng)的核心是由一個(gè)或幾個(gè)預(yù)先編程好以用來(lái)執(zhí)行少數(shù)幾項(xiàng)任務(wù)的微處理器或者單片機(jī)組成。嵌入式系統(tǒng)是以應(yīng)用為中心，以計(jì)算機(jī)技術(shù)為基礎(chǔ)，軟硬件可裁剪，適用于應(yīng)用系統(tǒng)對(duì)功能，對(duì)可靠性、成本、體積、功耗有嚴(yán)格要求的專用計(jì)算機(jī)系統(tǒng)。步態(tài)識(shí)別是一種新興的生物特征識(shí)別技術(shù)，旨在通過(guò)人們走路的姿態(tài)進(jìn)行身份識(shí)別，與其他的生物識(shí)別技術(shù)相比，步態(tài)識(shí)別具有非接觸遠(yuǎn)距離和不容易偽裝的優(yōu)點(diǎn)。在智能視頻監(jiān)控領(lǐng)域，比面像識(shí)別更具優(yōu)勢(shì)。

迄今為止，針對(duì)步態(tài)識(shí)別所進(jìn)行的研究幾乎全部是基于PC機(jī)的，而在許多情況下，卻需要非PC機(jī)環(huán)境，所以研究基于嵌入式平臺(tái)的步態(tài)識(shí)別系統(tǒng)，具有一定的工程意義。本系統(tǒng)的功能是對(duì)采集到的步態(tài)視頻序列進(jìn)行圖像處理，得到視頻序列中的人體步態(tài)信息，再由步態(tài)算法根據(jù)所得到的步態(tài)信息進(jìn)行步態(tài)識(shí)別。

1 、系統(tǒng)結(jié)構(gòu)

本嵌入式自動(dòng)步態(tài)識(shí)別系統(tǒng)主要包括CCD攝像機(jī)、圖像采集卡、嵌入式系統(tǒng)、顯示屏等。其中最為核心的是嵌入式系統(tǒng)部分，它包括Renesas 32位嵌入式芯片SH7709S、存儲(chǔ)器、外圍電路、鍵盤、鼠標(biāo)等。主要完成視頻序列信號(hào)的預(yù)處理、處理、步態(tài)識(shí)別、顯示輸出等功能。該系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示。

2 、步態(tài)識(shí)別的基本原理

2.1 雙目立體視覺(jué)

雙目立體視覺(jué)是今年來(lái)在圖像測(cè)量領(lǐng)域發(fā)展起來(lái)的一種新技術(shù)，與單目視覺(jué)相比，雙目視覺(jué)有以下優(yōu)點(diǎn)：可以獲得單目視覺(jué)中所沒(méi)有的視差或者深度信息;當(dāng)場(chǎng)景中有遮擋發(fā)生時(shí)，雙目立體視覺(jué)可以很好地處理遮擋。因?yàn)椴綉B(tài)識(shí)別的場(chǎng)景難免存在遮擋，為了更好地從各個(gè)方向獲得步態(tài)視頻序列，從而能夠?yàn)檫M(jìn)行正確的步態(tài)識(shí)別作出鋪墊，所以采用雙目立體視覺(jué)來(lái)獲取人體步態(tài)視頻序列。

在本實(shí)驗(yàn)中，兩個(gè)CCD攝像機(jī)分別固定在一個(gè)三角架的兩邊，組成雙目立體視覺(jué)。

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(jiàn)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

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(guò)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(kāi)來(lái)，由下式表示：

2.4 步態(tài)特征的數(shù)據(jù)融合

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(wèn)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(guò)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。

2.6 識(shí)別的有效性與錯(cuò)誤率

根據(jù)模式識(shí)別的原理，當(dāng)有兩類步態(tài)時(shí)，步態(tài)識(shí)別的錯(cuò)誤率由下式給出：

其中

積分區(qū)間R1為當(dāng)w2誤判為w1時(shí)的誤判區(qū)間，而積分區(qū)間R2為當(dāng)w1誤判為w2時(shí)的誤判區(qū)間。當(dāng)p(e)最小時(shí)，識(shí)別越有效，而當(dāng)p(e)越大時(shí)，識(shí)別性能越差。當(dāng)有多類步態(tài)時(shí)，依次類推。

3 、系統(tǒng)實(shí)現(xiàn)

3.1 硬件實(shí)現(xiàn)

系統(tǒng)硬件連接框圖如圖2所示。

3.2 軟件實(shí)現(xiàn)

系統(tǒng)軟件流程圖如圖3所示。

4、 結(jié)論

步態(tài)識(shí)別已成為近些年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域新的研究方向。本文提出了一種簡(jiǎn)單的自動(dòng)步態(tài)識(shí)別方法，并給出了基于Renesas嵌入式芯片的自動(dòng)步態(tài)識(shí)別系統(tǒng)，從長(zhǎng)遠(yuǎn)來(lái)看，該系統(tǒng)的應(yīng)用很廣泛。

責(zé)任編輯：gt