基于足底觸覺特征的步態(tài)識(shí)別算法研究.pdf

1、隨著生物特征識(shí)別技術(shù)的發(fā)展，指紋、虹膜等生物特征在身份識(shí)別領(lǐng)域得到了不同程度的應(yīng)用，但是這些生物特征都各有一定的局限性，步態(tài)識(shí)別以其特有的難以偽裝、模仿，具有非侵犯性，可遠(yuǎn)距離識(shí)別等獨(dú)特的優(yōu)勢得到了很多研究學(xué)者的關(guān)注?，F(xiàn)今步態(tài)識(shí)別大多采用基于計(jì)算機(jī)視覺的方法，這類方法常因攝像機(jī)與人之間的距離、人的運(yùn)動(dòng)及光照等原因而使得圖像不清晰，并且也易受氣候、場景、衣著遮擋等外界干擾，因此本文提出一種基于足底觸覺特征的步態(tài)識(shí)別新方法。主要工作及研究成

2、果如下:
　　 1.按設(shè)計(jì)的流程采集并保存靜態(tài)、動(dòng)態(tài)的觸覺步態(tài)數(shù)據(jù)。采用中科院智能機(jī)械研究所研制的壓力測試板采集51個(gè)人靜態(tài)和動(dòng)態(tài)左、右腳的觸覺步態(tài)數(shù)據(jù)，并將左、右腳數(shù)據(jù)分開保存，對(duì)靜態(tài)保存雙腳站立穩(wěn)定后的30幀數(shù)據(jù)，對(duì)動(dòng)態(tài)則保存每個(gè)人每只腳分別以常速、快速、慢速走過壓力測試板10次采集到的數(shù)據(jù)，之后的操作都是分別針對(duì)左、右腳的數(shù)據(jù)進(jìn)行，將左、右腳分開訓(xùn)練和測試。
　　 2.提出了提取關(guān)鍵幀數(shù)據(jù)和對(duì)足底進(jìn)行自動(dòng)分區(qū)域的方

3、法。首先提取關(guān)鍵幀數(shù)據(jù)作為樣本數(shù)據(jù)，對(duì)靜態(tài)從每個(gè)人的30幀數(shù)據(jù)中提取總壓力值最大的16幀作為關(guān)鍵幀數(shù)據(jù)，對(duì)動(dòng)態(tài)則從每個(gè)人每次走過壓力測試板時(shí)采集到的動(dòng)態(tài)數(shù)據(jù)中選擇總壓力值最大的一幀及前一幀和后一幀作為關(guān)鍵幀數(shù)據(jù)。然后對(duì)提取的關(guān)鍵幀數(shù)據(jù)進(jìn)行分區(qū)域處理，主要根據(jù)本文提出的自動(dòng)分區(qū)域方法將足底分為足跟部、足弓部、腳前掌上半部、腳前掌下半部、腳趾上半部及腳趾下半部6個(gè)區(qū)域。
　　 3.提取了動(dòng)力學(xué)特征、Laplace譜特征及形狀特征作為

4、訓(xùn)練和識(shí)別的特征。第一部分是動(dòng)力學(xué)特征，包括足底最大壓力點(diǎn)、壓力中心點(diǎn)的位置和壓力值，及壓力比值的特征;第二部分是基于最大壓力點(diǎn)、壓力中心點(diǎn)的位置和壓力值構(gòu)造Laplace矩陣，提取Laplace譜特征;第三部分是根據(jù)足底形狀提取的形狀特征，綜合這三部分特征就是本文所要構(gòu)造的特征向量。
　　 4.分別設(shè)計(jì)了靜態(tài)、動(dòng)態(tài)的分類器。本文選用一對(duì)一的SVM(Support Vector Machine，SVM)多分類方法訓(xùn)練分類器，在靜

5、態(tài)步態(tài)識(shí)別中，將每個(gè)人的靜態(tài)樣本數(shù)據(jù)作為一類，在動(dòng)態(tài)步態(tài)識(shí)別中，針對(duì)每個(gè)人三種速度的動(dòng)態(tài)步態(tài)數(shù)據(jù)，設(shè)計(jì)了三種分類器，即獨(dú)立分類器、簡單分類器和混合分類器。
　　 5.從多方面進(jìn)行了靜態(tài)、動(dòng)態(tài)步態(tài)識(shí)別實(shí)驗(yàn)來驗(yàn)證本文算法。在靜態(tài)步態(tài)識(shí)別中，綜合左、右腳的識(shí)尉結(jié)果以得到最終的識(shí)別結(jié)果，在動(dòng)態(tài)步態(tài)識(shí)別中，分別計(jì)算左、右腳在三種分類器下的識(shí)別正確率，實(shí)驗(yàn)結(jié)果表明本文提出的基于足底觸覺特征的步態(tài)識(shí)別方法操作簡單，受外界干擾小，不僅適用與靜態(tài)