基于芯片SH7709S和存储器实现嵌入式自动步态识别系统的设计

嵌入式系统的核心是由一个或几个预先编程好以用来执行少数几项任务的微处理器或者单片机组成。嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁剪，适用于应用系统对功能，对可靠性、成本、体积、功耗有严格要求的专用计算机系统。步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。

迄今为止，针对步态识别所进行的研究几乎全部是基于PC机的，而在许多情况下，却需要非PC机环境，所以研究基于嵌入式平台的步态识别系统，具有一定的工程意义。本系统的功能是对采集到的步态视频序列进行图像处理，得到视频序列中的人体步态信息，再由步态算法根据所得到的步态信息进行步态识别。

1 、系统结构

本嵌入式自动步态识别系统主要包括CCD摄像机、图像采集卡、嵌入式系统、显示屏等。其中最为核心的是嵌入式系统部分，它包括Renesas 32位嵌入式芯片SH7709S、存储器、外围电路、键盘、鼠标等。主要完成视频序列信号的预处理、处理、步态识别、显示输出等功能。该系统的结构示意图如图1所示。

2 、步态识别的基本原理

2.1 双目立体视觉

双目立体视觉是今年来在图像测量领域发展起来的一种新技术，与单目视觉相比，双目视觉有以下优点：可以获得单目视觉中所没有的视差或者深度信息;当场景中有遮挡发生时，双目立体视觉可以很好地处理遮挡。因为步态识别的场景难免存在遮挡，为了更好地从各个方向获得步态视频序列，从而能够为进行正确的步态识别作出铺垫，所以采用双目立体视觉来获取人体步态视频序列。

在本实验中，两个CCD摄像机分别固定在一个三角架的两边，组成双目立体视觉。

2.2 步态图像序列中的光流场

光流是指图像中模式运动的速度。光流场是一种二维(2D)瞬时速度场，其中的2D速度矢量是景物中可见点的三维(3D)速度矢量在成像表面的投影。光流不仅包含了被观察物体的运动信息，而且携带着有关景物3D结构的丰富信息。光流法假定相邻时刻之间的间隔很小(一般为几十ms)，从而相邻时刻的图像差异也比较小。

2.2.1 光流的基本等式

2.2.2 光流有关的计算

对于图像上的每一点(xi,yi)，求解光流场方程(2)，得到由迭代形式表示的解为：

2.3 光流场中运动特征的提取

从光流中提取的特征包括运动点T，加权的运动点|(u,v)|，|u|，|v|，以及光流分布的质心特征等。通过光流场，利用T(u，v)将运动点(白色)和非运动点(黑色)区分开来，由下式表示：

2.4 步态特征的数据融合

2.5 识别

将由数据融合得出的特征进行基于PCA的特征空问变换。假设初始的训练样本集为T={pi-j},i=1，2，…，C，j=1，2，…，Ni;第i个人第j个步态样本向量为Xij，而样本总数为NT=N1+N2+…+Nc。

求样本集的总体均值向量μ和协方差矩阵∑，

如果协方差矩阵∑的秩为N，由det|λI-∑|=0求得矩阵∑的N个特征值λ1，λ2，λ3，…，λN，并由矩阵方程λiI-∑=0，i=0,1,2，…，N;求得对应于N个特征值λ1，λ2，λ3，…，λN的N个特征向量e1，e2，e3，…，eN。选取与前K个最大特征值对应的前K个特征向量，并使

其中α表示样本集在前K个轴上的能量占整个能量的百分比。通常取α值接近于1，以使得样本集在前K个轴上的能量几乎接近于整个能量。

用式(2)中所求得K个特征向量重建初始样本集中的每个样本。算法如下：

这样就得到一个K维的权向量Ωi，j用于进行识别。

选取最近邻分类法进行步态模式分类。设经过特征提取并向特征空间投影，所得到的特征向量为Ω，求得Ω与每个每个模式类的平均向量Ω i，j之间的欧几立德距离。

其中

由最近邻分类法的判决准则可知，当εi(x)的值最小时，则x∈εi;否则x∈εi。

2.6 识别的有效性与错误率

根据模式识别的原理，当有两类步态时，步态识别的错误率由下式给出：

其中

积分区间R1为当w2误判为w1时的误判区间，而积分区间R2为当w1误判为w2时的误判区间。当p(e)最小时，识别越有效，而当p(e)越大时，识别性能越差。当有多类步态时，依次类推。

3 、系统实现

3.1 硬件实现

系统硬件连接框图如图2所示。

3.2 软件实现

系统软件流程图如图3所示。

4、 结论

步态识别已成为近些年来计算机视觉领域新的研究方向。本文提出了一种简单的自动步态识别方法，并给出了基于Renesas嵌入式芯片的自动步态识别系统，从长远来看，该系统的应用很广泛。

责任编辑：gt