12、步态识别技术的前沿进展与应用

步态识别技术的前沿进展与应用

1. 步态特征识别结果

在步态识别研究中，使用左右膝盖和大腿关节的归一化关节角度轨迹作为步态特征，对识别和验证模式的识别结果进行了分析。研究收集了来自20个受试者的80个序列，每个受试者有4个序列。从相关结果可以看出，从行走视频中提取的动态特征确实包含身份信息，可用于识别任务。

2. 其他步态识别方法

目前，基于模型的技术虽有不变性优势，但可用技术数量有限。主要有以下两种方法：

2.1 基于身体参数的结构方法

• 测量参数 ：该方法由佐治亚理工学院开发，旨在通过从多个视角观察受试者行走来确定静态身体参数，以识别人员。这些测量参数针对周期性步态周期，具体包括包围受试者的边界框高度、头部与骨盆之间的距离、骨盆到左右脚距离的最大值以及双脚之间的距离。
• 深度校正 ：为适应受试者以不同视角行走，定义了调整程序。通过测量受试者双脚最接近时的身高（即行走周期中受试者身高的最大值），得到转换因子，以校正任何距离测量值。
• 描述向量 ：使用这些测量值的平均值为每个行走序列形成描述向量，并使用运动捕捉系统的行走向量对数据进行归一化处理，以便进行识别。
• 混淆度量 ：该方法还确定了混淆度量，用于预测特征在大群体中过滤身份的能力。通过比较表征群体变化和个体变化的（高斯）分布，类似于评估不同受试者特征向量分布的交集面积。交集大意味着识别能力差，混淆率高。该方法实现的混淆率约为6%，相当于在其数据库上的正