8、基于模型的步态识别技术解析

基于模型的步态识别技术解析

1. 步态识别特征评估与预测

在步态识别领域，特征的区分能力评估至关重要。采用基于贝叶斯的统计分析方法，可对提取特征的区分能力进行评估。通过概率模拟，不仅能得到识别方法的正确识别概率，还能在理想情况下获得不同人体轮廓分辨率对应的正确识别概率上限。

以下是不同视频格式下，身高为 1675mm 的人占据不同垂直帧部分时的分辨率（mm/像素）：
| 人体轮廓占用比例 | VHS 240 线 | 数字视频 480 线 | 高清 1080 线 |
| ---- | ---- | ---- | ---- |
| 100% 帧 | 6.98 | 3.49 | 1.55 |
| 75% 帧 | 9.31 | 4.65 | 2.07 |
| 50% 帧 | 13.96 | 6.98 | 3.10 |
| 25% 帧 | 27.92 | 13.96 | 6.20 |

根据这些数据，我们可以绘制出在允许误差率下，数据库中可识别的最大人数的特征图，这将为大规模数据库中的步态识别研究提供指导。随着更好的步态识别算法的发展，实际结果与预测结果之间的差异将会减小。

2. 基于 3D 模型和 2D 数据的 2D 步态识别

2.1 3D 人体建模

• 人体运动模型 ：人体可视为由多个身体部分组成的铰接对象，这里采用的人体运动模型中，圆代表关节，矩形代表身体部分（如 N 为颈部，S 为肩部等）。大多数关节和身体部分末端可表示为球体，身体部分可表示为锥体，整个模型由球体连接的锥体集合表示，但头部近似为球体，躯干近似为