10、步态识别中的模型方法与实验结果

步态识别中的模型方法与实验结果

1. ARMA模型距离度量

在步态识别的研究中，对于两个ARMA模型$[A_1,C_1,K_1]$和$[A_2,C_2,K_2]$，可以通过特定方法计算它们之间的子空间角度$\theta_i$（$i = 1,2,\cdots,n$）。基于这些子空间角度，定义了三种距离度量：Martin距离$d_M$、间隙距离$d_g$和Frobenius距离$d_F$，具体公式如下：
- Martin距离：$d_M = \ln\prod_{i = 1}^{n}\frac{1}{\cos^2(\theta_i)}$
- 间隙距离：$d_g = \sin(\theta_{max})$
- Frobenius距离：$d_F^2 = \sum_{i = 1}^{n}\sin^2(\theta_i)$

不同距离度量得到的结果具有可比性，后续研究采用Frobenius距离进行相关实验。

2. 基于HMM的步态识别

利用所提出的框架，在三个数据库上进行了识别实验，分别是UMD数据库、CMU数据库和USF数据库。在CMU和UMD数据库上采用间接方法，在USF数据库上则同时采用间接和直接方法。
- CMU数据库 ：该数据库包含25名受试者在三种条件下（慢步、快步、带球行走）在跑步机上行走的视频序列。进行了以下实验：
1. 慢步 vs 慢步
2. 快步 vs 快步
3. 慢步 vs 快步
4. 快步 vs 慢步
5. 带球行走 vs 带球行走
当图库和探针相同时，使用行走序列的前半部分进行训练，后半部分进行测试，识别结果如图