基于人体动态特征的数据库动态模型设计

摘 要：基于人体运动过程中显示出的个异性特征，运用视频采集数据及数据库模型建库方法，阐述三维动态空间模型设计方法和原理。

关键词：数据库建立 函数算法 人体动态特征

在三维空间建立一个实用的具有个体特征的序列动态模型，要具有如下特点；模型尽可能简单、数据量较小、容易存储、传输和快速检索。

一、研究人体三维动态特征数据库的建库方法

以刑侦司法实际和动态人体快速识别需求为基础，参考电子技术及相关行业标准和规范，研究确立中国人人体动态特征数据库系统的建库方法。

1）数据库名称：“三维中国人体的个体动态序列特征数据库”，以下简称“三维个体特征数据库”。

2）研究建库方法的主要内容

研究数据组织与存储模式、构成数据库的元素、数据的采集方式和方法、三维到二维图像的特征还原模式、数据检索和利用方法。

3）选择数据库管理系统

应用系统安装在跨平台的系统上，采用Oracle专业数据库，它是动态人体数据的组织、数据操纵、数据维护、控制及保护和数据服务的核心。

4） 确立三维个体特征数据库数据组织与存储模式

数据库物理结构设计

需要将上面的数据库概念结构转化为Oracle专业数据库所支持的实际数据模型，也就是数据库的逻辑结构。数据库中个体自然情况信息表静态部分信息和动态部分信息。

5） 构成数据库的元素设计

针对人体动态特征数据库应用系统的需求，通过对基于三维人体空间运动模型工作过程的内容和数据流程分析，设计如下面所示的基本数据结构：

个体部分：个体的自然情况

包括的数据项有：标识、姓名、性别、生日、身高、体重、地址、邮编、学历、身份证号、婚姻状况。

动态部分：

a、包括12个人体关节点位置的数据项有：标识、颈关节、左右肩关节、左右腕关节、左右肘关节、髋关节、左右膝关节、左右踝关节.b包括人体肢体角度的数据项有：标识、上身角度、大腿角度、小腿角度、上臂、前臂、头部角度。

数据库使用者部分：

一般用户：包括的数据项有：标识、用户名、密码。

管理用户：包括的数据项有：标识、用户名、密码。

6） 数据的采集方式和方法

人体动态特征库的数据采集：

通过确立的《基于三维人体空间运动模型》，按搭建采集环境的要求，由控制程序进行数据的采集、分析得到静态和动态数据。

7） 三维到二维图像的特征还原模式

按现场采集的嫌疑人监控录像片段的分析结果，和实测得到的视角、视距数据并进行二维分析后得到的特征值，将其投影到三维特征库中。

8） 数据检索和利用方法

为数据模式的物理存取与构建提供有效的存取方法与手段，满足数据冗余、数据高并发、稳定性的设备。

为终端用户使用人体动态特征数据库的数据提供方便，如各种组合的条件检索、查询、插入、修改、删除等以及一定范围的统计及分析等。

特征提取

（1）前期准备

a） 目标图像序列选取。目标图像序列中要至少包含一个完整的步态周期。

b） 关键帧提取标准。以提取“大腿角度”这一关键特征为例，在目标图像序列中选取时，应当包含至少5个关键帧：

两腿合拢时重心在中间（单撑）；

两腿迈开时左脚在前（左双撑）；

两腿迈开时右脚在前（右双撑）；

两腿合拢时重心在左腿，右脚欲前迈（左站立）；

两腿合拢时重心在右腿，左脚欲前迈（右站立）。

c）关节点选取标准。需要定位的关节点一共有12个，分别为：

颈部关节点、左右肩关节点、左右肘关节点、左右腕关节点、髋关节点、左右膝关节点、左右踝关节点。

d）肢体角度选取标准。在确定12个关节点后，由关节点位置可计算出8个肢体角度（与X轴垂线的夹角）作为步态特征，分别为：

θhead（头颈角度）、θback（上身角度）、θarm1（左手臂角度）、θarm2（右手臂角度）、θthigh1（左大腿角度）、θthigh2（右大腿角度）、θshank1（左小腿角度）、θshank2（右小腿角度）。可以显示出其中的7个角度。在运动时，各个关节点的位置发生变化，导致以上各个角度也会发生变化。从不同人行走时各个关节及角度变化提取出的“大腿角度”的变化，这是类似正弦曲线的变化。不同人的大腿角度值的变化曲线有明显差异。

（2）关节点的定位

借助人体部分比例骨骼模型进行各个关节点的定位.通过对关节点的定位，可得到每个关键帧中的12个关节点位置，组成12个关节点位置的变化序列，存入数据库，并以此作为该嫌疑人的一组步态关键特征值。

（3）肢体角度的计算

由上面得到各个关节点的坐标位置，计算每一幅关键帧图像中的θthigh1（左大腿角度）、θshank1（左小腿角度）等8个肢体角度值。

3.步态特征的分析方法

步态分析要依据特征提取时得到的关键特征值进行，其中关键特征值包含：关节点位置变化序列和肢体角度变化序列。

1）标准偏差法。选择嫌疑人和目标嫌疑人的θthigh1（左大腿角度）的角度变化值进行比较，求出参考点的平均差值作为平均偏差度，反之得到相似度。

2）阀值法。先设定阀值，选择目标嫌疑人的θthigh1的角度值对嫌疑人的θthigh1的角度变化值的溢出次数计算平均偏差度，反之得到相似度。

3）使用分类器。用得到的关节点位置变化序列和肢体角度变化序列作为分类器的输入进行分类识别研究和比较。

综合以上三种方法的评分，通过大量的样本实验选取合适的权值。通过权值计算嫌疑人和目标嫌疑人最终的相似度。判别标准如下：

相似度大于90%为“高度相似”，大于70%为“中度相似”，小于50%为“不相似”，小于30%为“完全不同”。

参考文献

1、张剑清，张春森，贺少军 双目序列影像三维运动参数确定【J】武汉大学学报，2006；31（1）