CN101901349A - 人体动态特征点重合方法 - Google Patents

人体动态特征点重合方法 Download PDF

Info

Publication number
CN101901349A
CN101901349A CN 201010225350 CN201010225350A CN101901349A CN 101901349 A CN101901349 A CN 101901349A CN 201010225350 CN201010225350 CN 201010225350 CN 201010225350 A CN201010225350 A CN 201010225350A CN 101901349 A CN101901349 A CN 101901349A
Authority
CN
China
Prior art keywords
target
people
video
person
suspect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN 201010225350
Other languages
English (en)
Inventor
兰玉文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Original Assignee
LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB filed Critical LIAONING PROVINCE SKULL SURFACE RESTORATION TECHNOLOGY KEY LAB
Priority to CN 201010225350 priority Critical patent/CN101901349A/zh
Publication of CN101901349A publication Critical patent/CN101901349A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

一种人体动态特征点重合方法,有如下步骤:取具有目标人活动的目标视频录像,把目标视频录像分解成按时间顺序的系列目标照片;在系列目标照片上的目标人身上与运动相关的点作出标志点;制取嫌疑人在与目标视频录像中目标人的状态因素尽可能相同条件下重复目标人活动的嫌疑视频录像,把嫌疑视频录像分解成按时间顺序的系列嫌疑照片;在系列嫌疑照片上嫌疑人身上与系列目标照片上目标人身上标志点的相应位置作出标志点;按时间顺序把系列目标照片和系列嫌疑照片逐一对比,从对比照片中标志点重合程度,判断目标人和嫌疑人是否是同一人。本发明不用建立特征库,使用方便,可用人的步态以外的各种人的动态提取动态特征进行个人识别,具有很强的实用性。

Description

人体动态特征点重合方法
技术领域
本发明涉及一种基于人的个体性特征的个人识别方法,特别是一种基于人的动态特征的个人识别方法。
背景技术
人之间有共性,也有个体性,法医人类学表明,人体上有许多可以互相区别的个体性特征,应用人体的个体性特征,可以进行个人识别。目前在个人识别中常用的个体性特征有指纹、掌纹、虹膜、脸面、牙齿、颅骨与颜面关系等。上述的个体性特征都是静态特征,静态的特征比较容易取得,一般静态特征图即可反映静态特征,目标人与嫌疑人的静态特征图可以很容易地进行直接比较,基于人的静态特征作个人识别也比较容易,上述用静态特征的个人识别方法已被广泛成熟地应用在个人识别中。用静态的特征作个人识别时,分别取目标人与嫌疑人的静态特征图,用目标人与嫌疑人的静态特征图的相同程度,判断目标人和嫌疑人是否是同一人。
在人体上,除上述静态个体性特征外,还有许多动态个体性特征。由于人的个体性,在完成同一动作时,不同的人会有不同特征的动态,这就是人的动态个体性特征。应用人的动态个体性特征也可以进行个人识别。动态特征不同于静态特征,动态特征不能用单张动态图片表现,动态是用动态按时间顺序的系列图片表现的,目标人的动态与嫌疑人的动态很难用按时间顺序的系列图片进行直接比较。为了比较目标人的动态与嫌疑人的动态,可以对视频录像中按时间顺序的动态系列图片中人的动态进行处理,根据人的动态参数制出动态特征图,再用动态特征图进行个人识别。在对按时间顺序的动态系列图片中人的动态进行处理进而导出动态特征的过程中,可以有不同的处理方法。现有技术中,中国专利ZL 01144157.7中公开了一种基于步态的远距离身份识别方法,该方法中提出一种对人步态的视频录像进行处理制取动态特征的方法,步骤有:获取训练步态序列;空间轮廓分割;形状距离信号提取;主成分分析;个性化体格特征提取,提取可视的个性化特征作为附加特征,用于步态分类的最终校验;获得已训练的步态数据库,在上述空间轮廓分割时有以下步骤:利用部分步态序列进行背景图像的构建;对构建的背景图像与当前输入的图像进行差分操作;对差分操作并二值化后的图像进行滤波;对滤波的图像进行连通分量分析,在进行差分操作后并进行二值化处理时要使用下述公式:
f ( a , b ) = 1 - 2 ( a + 1 ) ( b + 1 ) ( a + 1 ) ( b + 1 ) &CenterDot; 2 ( 255 - a ) ( 255 - b ) ( 255 - a ) ( 255 - b ) 0 < f ( a , b ) < 1 0 < a ( x , y ) , b ( x , y ) < 255
在形状距离信号提取时有以下步骤:提取步态轮廓的边界;将提取的边界转换为由所有轮廓边界点到其质心距离所组成的一维距离信号;对距离信号进行幅度和尺寸上的归一化。这种基于步态的远距离身份识别方法中,对用视频录像分解出的按时间顺序系列图片的处理较复杂,在实际应用不是很方便。
当前,视频录像监控***在城市的公共场所和工、商企业的管理中已广泛地应用,监控***可有效地获得突发事件中具有人活动的视频录像,对分析突发事件的原因有很大的作用,人活动的视频录像是人的活动按时间顺序的系列照片。分析视频录像中的活动过程,可以找出视频录像中的目标人,再根据其它线索可能找出与上述突发事件相关的嫌疑人。用处理方法简单、使用方便的方法判断视频录像中目标人和嫌疑人是否是同一人,在实践中有很重要的意义。
发明内容
本发明的目的是为了克服上述不足,提出一种处理方法简单、使用方便的判断视频录像中目标人和嫌疑人是否是同一人的人体动态特征点重合方法。
本发明的发明方案是在获得具有目标人的动态视频录像后,再制取嫌疑人在与视频录像中目标人的状态情况尽可能相同的条件下重复目标人活动的动态视频录像,分别对视频录像中目标人和嫌疑人的动态活动进行处理,制取出目标人和嫌疑人的动态特征图,用目标人与嫌疑人的静态特征图的相同程度,判断目标人和嫌疑人是否是同一人。上述动态视频录像中的目标人和嫌疑人都是单个人。上述目标人的状态情况是指目标人的活动地点、服饰、负荷、健康、情绪等情况。
本发明的发明方案是在获得具有目标人的动态视频录像后,再按视频录像中目标人的状态情况制取嫌疑人重复目标人活动的动态视频录像,把前、后视频录像中目标人和嫌疑人的动态活动进行处理,提取出目标人和嫌疑人的动态特征,用目标人与嫌疑人的动态特征的相同程度,判断目标人和嫌疑人是否是同一人。
为实现上述发明方案,人体动态特征点重合方法有如下步骤:
1.取具有目标人活动的目标视频录像,把目标视频录像分解成按时间顺序的系列目标照片;
2.在上述系列目标照片上的目标人身上与运动相关的点上标志出标志点;
3.制取嫌疑人在与上述目标视频录像中目标人的状态因素尽可能相同条件下重复目标人活动的嫌疑视频录像,把嫌疑视频录像分解成按时间顺序的系列嫌疑照片;
4.在上述系列嫌疑照片上嫌疑人身上与系列目标照片上目标人身上标志点的相应位置标志出标志点;
5.按时间顺序把有标志点的系列目标照片和有标志点的系列嫌疑照片逐一对比,用全部对比照片中标志点的重合程度,判断目标人和嫌疑人是否是同一人。
本发明在对具有人动态的视频录像进行处理时,得到在人体上有标志点的系列照片,这些在人体上有标志点的系列照片是表明人动态特征的图。本发明在处理视频录像提取动态特征时,处理方法简单,反映人体动态特征的个体性强,区别性高,在用劝态特征作个体识别时,使用方便,具有很强的实用性。
本发明不仅可以用人的步态提取动态特征进行个人识别,也可以用人的步态以外的各种人的动态提取动态特征进行个人识别。
下面结合附图,对本发明作进一步地说明。
附图说明
图1是根据本发明的发明方案提出的一种人体动态特征点重合方法中对目标人视频录像处理程序的示意图;
图2是对嫌疑人视频录像处理程序的示意图;
图3是对与目标人不是同一人的嫌疑人视频录像处理程序的示意图。
具体实施方式
图1、图2中,人体动态特征点重合方法有如下步骤:
(1)取具有目标人活动的目标视频录像1,把目标视频录像分解成按时间顺序的系列目标照片2;
(2)在上述系列目标照片上的目标人身上与运动相关的点上标志出标志点3,
(3)制取嫌疑人在与上述目标视频录像中目标人的状态因素尽可能相同条件下重复目标人活动的嫌疑视频录像4,把嫌疑视频录像分解成按时间顺序的系列嫌疑照片5;
(4)在上述系列嫌疑照片上嫌疑人身上与系列目标照片上目标人身上标志点的相应位置标志出标志点6;
(5)按时间顺序把有标志点的系列目标照片和有标志点的系列嫌疑照片逐一对比,用全部对比照片中标志点的重合程度,判断目标人和嫌疑人是否是同一人。
图3是对另一嫌疑人视频录像的处理步骤。
上述实施例中,用本发明中的视频录像处理方法对图1中目标人视频录像处理后,得到有标志点的系列目标照片。在对图2中嫌疑人视频录像处理后得到标志点的系列嫌疑照片。这些在人体上有标志点的系列照片是表明人动态特征的图,按时间顺序把有标志点的系列目标照片和有标志点的系列嫌疑照片逐一对比,标志点重合程度较高,可以判断出目标人和嫌疑人是同一人。
上述实施例中,用本发明中的视频录像处理方法对图3中嫌疑人视频录像处理后得到标志点7的系列嫌疑照片。按时间顺序把有标志点的系列目标照片和有标志点7的系列嫌疑照片逐一对比,标志点重合程度不高,可以明确地判断出目标人和嫌疑人不是同一人。

Claims (1)

1.一种人体动态特征点重合方法,包括如下步骤:
首先取具有目标人活动的视频录像,对所述视频录像进行处理得到目标人的动态特征图,其次取具有嫌疑人活动的视频录像,对所述视频录像进行处理得到嫌疑人的动态特征图,最后用目标人的动态特征图与嫌疑人的动态特征图的相同程度,判断目标人和嫌疑人是否是同一人,其特征在于:
(1)在首先的步骤与其次的步骤之间,有摄取嫌疑人在与目标视频录像中目标人的状态情况尽可能相同的条件下重复目标人活动的具有嫌疑人活动的嫌疑视频录像的步骤,
(2)对具有人活动的视频录像进行处理的步骤是:
①把视频录像分解成按时间顺序的系列照片;
②在上述系列照片上的人身上与运动相关的点上标志出标志点。
CN 201010225350 2010-07-14 2010-07-14 人体动态特征点重合方法 Pending CN101901349A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010225350 CN101901349A (zh) 2010-07-14 2010-07-14 人体动态特征点重合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010225350 CN101901349A (zh) 2010-07-14 2010-07-14 人体动态特征点重合方法

Publications (1)

Publication Number Publication Date
CN101901349A true CN101901349A (zh) 2010-12-01

Family

ID=43226872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010225350 Pending CN101901349A (zh) 2010-07-14 2010-07-14 人体动态特征点重合方法

Country Status (1)

Country Link
CN (1) CN101901349A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222334A (zh) * 2011-05-21 2011-10-19 辽宁省颅面复原技术重点实验室 视频监控现场录像恢复方法及装置
CN109117765A (zh) * 2018-07-27 2019-01-01 长春阿德泰科电子设备有限公司 视频侦查装置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1582851A (zh) * 2004-06-03 2005-02-23 清华大学 一种人体运动轨迹检测方法
CN1746929A (zh) * 2004-09-10 2006-03-15 日立欧姆龙金融***有限公司 信息处理装置、非法者检测方法和自动提款机装置
CN1969748A (zh) * 2006-11-29 2007-05-30 华中科技大学 一种基于单目视频的计算机辅助步态分析方法
CN1996397A (zh) * 2006-12-20 2007-07-11 四川实力达巨元科技有限公司 社区用指纹智能安防***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1582851A (zh) * 2004-06-03 2005-02-23 清华大学 一种人体运动轨迹检测方法
CN1746929A (zh) * 2004-09-10 2006-03-15 日立欧姆龙金融***有限公司 信息处理装置、非法者检测方法和自动提款机装置
CN1969748A (zh) * 2006-11-29 2007-05-30 华中科技大学 一种基于单目视频的计算机辅助步态分析方法
CN1996397A (zh) * 2006-12-20 2007-07-11 四川实力达巨元科技有限公司 社区用指纹智能安防***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222334A (zh) * 2011-05-21 2011-10-19 辽宁省颅面复原技术重点实验室 视频监控现场录像恢复方法及装置
CN109117765A (zh) * 2018-07-27 2019-01-01 长春阿德泰科电子设备有限公司 视频侦查装置和方法

Similar Documents

Publication Publication Date Title
Win et al. Fingerprint classification and identification algorithms for criminal investigation: A survey
CN103679151B (zh) 一种融合LBP、Gabor特征的人脸聚类方法
CN102737234B (zh) 基于Gabor滤波和联合稀疏模型的人脸识别方法
CN101695445B (zh) 一种基于加速度传感器的步态身份识别方法
CN104143079A (zh) 人脸属性识别的方法和***
CN104036247A (zh) 基于脸部特征的人脸种族分类方法
CN108710822B (zh) 一种基于红外阵列传感器的人员跌倒检测***
CN106295675B (zh) 一种高准确性的基于智能手机的行为识别方法
Rai et al. Gender classification techniques: A review
Deepa et al. Epileptic seizure detection using deep learning through min max scaler normalization
CN101162499A (zh) 利用人脸模板组合进行比对的方法
CN104102903A (zh) 一种基于src的二次人脸识别方法
CN103714159B (zh) 融合二级和三级特征的由粗到精的指纹识别方法
CN104679967A (zh) 一种判断心理测试可靠性的方法
Samal et al. Ensemble median empirical mode decomposition for emotion recognition using EEG signal
CN101901349A (zh) 人体动态特征点重合方法
Bayat et al. Human gait recognition using bag of words feature representation method
CN101901337B (zh) 基于动态特征的个人识别方法
CN103426005A (zh) 微表情自动识别的建库视频自动切段方法
Ghazali et al. Wearable device for Malaysian ringgit banknotes recognition based on embedded decision tree classifier
CN113768520B (zh) 一种脑电检测模型的训练方法及装置
CN110738985A (zh) 基于语音信号的跨模态生物特征识别方法及***
Said et al. Experimental investigation of human gait recognition database using wearable sensors
CN103984918A (zh) 一种基于类内及类间变化的人脸图像识别方法
Ali et al. A combined face, fingerprint authentication system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20101201