桑偉波

（中國刑事警察學(xué)院，遼寧 沈陽 110854）

0 引言

國內(nèi)外步態(tài)識別方面的研究已經(jīng)有很多了，這些方法總體來說可以分為2 類，即基于非模型的方法和基于模型的方法。非模型的方法不考慮人體的組成部分，只針對目標(biāo)的輪廓信息或統(tǒng)計信息進(jìn)行研究，研究的重點是通過采集目標(biāo)連續(xù)運動視頻圖像，通過對目標(biāo)圖像的處理獲取目標(biāo)行走運動信息，根據(jù)運動規(guī)律提取表達(dá)步態(tài)信息的變化特征，根據(jù)這些變化特征進(jìn)行步態(tài)識別。這些方法的計算相對簡單且得到的數(shù)據(jù)準(zhǔn)確，但是它們提取的特征不能夠保證信息的完整性?；谀Ｐ偷姆椒ㄊ抢萌梭w結(jié)構(gòu)建立步態(tài)模型，通過對人體結(jié)構(gòu)（例如手臂、腿部、各處關(guān)節(jié)、骨骼等）進(jìn)行建模，同時對受試對象在行走過程中建立的模型參數(shù)變化特征，通過這些參數(shù)變化特征來進(jìn)行步態(tài)識別[1]。常見的模型包括鐘擺模型、雙足模型、條形模型、橢圓模型等，然后使用模型擬合原始步態(tài)信息，將原始信息數(shù)據(jù)的身體部分與建立的模型相對應(yīng)的部分進(jìn)行匹配計算，通過模型匹配后進(jìn)行步態(tài)特征提取再識別。這些方法都能保證提取的信息相對完整，但是計算量相對較大，且如果存在遮擋，建模難度較大。

步態(tài)識別技術(shù)主要還是研究圖像序列采集、圖像分割預(yù)處理、步態(tài)特征提取以及識別算法等相關(guān)技術(shù)，特征提取的好壞程度決定了識別的難易程度。目前對特征的提取主要還是集中關(guān)注于對圖像上二維單關(guān)節(jié)特征的研究，包括人體各部分輪廓長寬度、身體各關(guān)節(jié)平面角度等。但是都會存在或多或少的遮擋問題，有研究表明，前后實驗對象僅穿一件風(fēng)衣，建模的難度提升很大且識別的精確度由80%降至60%。因此，該文提出以足部特征為研究重點，通過Codamotion 三維動作捕捉系統(tǒng)提取多人步態(tài)序列，進(jìn)行個人足部特征穩(wěn)定性分析和不同人特征差異性分析，得出足部特征具備識別的基礎(chǔ)條件，再通過弗雷歇曲線相似度進(jìn)行個人識別。

1 研究方法

人體行走運動依賴于左右足交替完成支撐和擺動運動，足部特征主要體現(xiàn)在左右足在完成支撐和擺動時期形成的各種特征。該文通過Codamotion 采集受試者數(shù)據(jù)，主要是左右足根骨下端點與第5 個跖骨端點連接形成的空間角度，也稱為腳擺角[2]，及其在3 個面上的投影角度為研究重點，通過對這4 個特征角度的變化規(guī)律進(jìn)行研究，分析同一人穩(wěn)定性，不同人差異性以及基于曲線相似度進(jìn)行個人識別。

實驗對象：20 名受試者參與實驗，為了保證數(shù)據(jù)的可靠性，采集10 名男生和10 名女性的數(shù)據(jù)，每名實驗對象均無行走運動障礙和足部缺陷，均為身體健康的年輕人。

著裝要求：要求受試者身穿緊身衣褲，足部穿襪子，這樣可以使標(biāo)記點更靠近人體骨骼。

關(guān)節(jié)點標(biāo)記：經(jīng)過對人體骨骼位置的學(xué)習(xí)和掌握后，粘貼Marker 點，準(zhǔn)確識別每個人的關(guān)節(jié)點處，保證同樣的角度和位置。

實驗器材：三維動作捕捉系統(tǒng)Codamotion 及其配套硬件設(shè)備。

數(shù)據(jù)采集：采集過程中，要求受試者按照預(yù)定速度行走，按照系統(tǒng)操作步驟先后采集每名受試者的10 組步態(tài)序列。采集后對數(shù)據(jù)進(jìn)行匯總整理，并用Codamotion 軟件初步觀察受試者身上標(biāo)記點的出現(xiàn)率，判斷數(shù)據(jù)的完整性后將數(shù)據(jù)導(dǎo)出。

2 數(shù)據(jù)分析

將Codamotion 采集的步態(tài)序列數(shù)據(jù)導(dǎo)出并存儲為Excel文件，利用Microsoft Excel2010 和SPSS 22.0 軟件進(jìn)行穩(wěn)定性分析以及MATLAB 軟件進(jìn)行差異性分析，目的是探索腳擺角等特征是否具有同一人穩(wěn)定性和不同人差異性。

2.1 同一人腳擺角穩(wěn)定性分析

通過觀察分析，以矢狀面腳擺角的周期為整個步態(tài)周期，截取其他角度關(guān)鍵片段，將通過Codamotion 步態(tài)采集系統(tǒng)采集的受試者A 正常行走的空間腳擺角，及其3 個面上投影角度步態(tài)周期內(nèi)的變化曲線放在同一個坐標(biāo)系中，橫坐標(biāo)為時間，縱坐標(biāo)為角度，如圖1 所示。觀察可見，同一人的腳擺角步態(tài)周期序列曲線呈現(xiàn)出比較明顯的連續(xù)性和周期性變化特征。

對穩(wěn)定性進(jìn)行分析時采用SPSS 軟件對完整周期數(shù)據(jù)進(jìn)行單樣本K-S 檢驗，探索其漸進(jìn)顯著性，驗證是否符合正態(tài)分布，再通過繪制變量間散點圖來描述兩兩變量之間是否具有線性分布性質(zhì)。對連續(xù)變量符合正態(tài)分布且兩兩變量之間具有線性關(guān)系的空間腳擺角和矢狀面腳擺角，通過SPSS 軟件的Pearson 相關(guān)性來分析穩(wěn)定性，對不符合正態(tài)分布的水平面腳擺角和冠狀面，采用Spearman 相關(guān)性分析其穩(wěn)定性，得出特征穩(wěn)定，見表1。從表1 可以看出左右足形成的腳擺角具有穩(wěn)定性。

表1 特征穩(wěn)定性

圖1 腳擺角周期序列圖

2.2 不同人腳擺角差異性分析

差異性分析是基于角度變化曲線進(jìn)行分析，所以采用弗雷歇距離來分析不同人特征曲線之間的差異性。通過同一人特征曲線之間的弗雷歇距離值較小，不同人特征角度曲線之間的距離值較大的差異來說明，不同人特征角度曲線具有顯著差異性。以受試者H 為例，將受試者H 與其他人腳擺角曲線分別輸入MATLAB 軟件中，運行算法得到兩兩曲線之間的弗雷歇距離值，見表2。

表2 受試者H 特征曲線與所有人曲線之間的弗雷歇距離值

從表2 中可以看出，受試者H 特征曲線與樣本數(shù)據(jù)庫特征曲線進(jìn)行比對，同一人特征曲線之間的弗雷歇距離值集中再某一區(qū)間，而不同人特征曲線之間的距離值顯著大于同一人特征曲線之間距離值，這說明不同人之間具有差異性。對每個特征進(jìn)行算法處理，得出不同人之間的4 個特征都具有較高的差異性，具備識別不同人特征曲線的條件。

3 個人識別

上文分別采用SPSS 軟件分析相關(guān)性來探究同一人特征穩(wěn)定性，同時采用MATLAB 軟件基于弗雷歇距離來分析不同人特征曲線的差異性，得出同一人的每個特征均具有穩(wěn)定性，不同人特征曲線之間具有明顯的差異性。因此，可以利用這4 個特征進(jìn)行個人識別。

3.1 數(shù)據(jù)庫建立與算法編程

選取每個人每個特征的2 組曲線，1 組為實驗對照組，1組為樣本組，通過對每個人樣本組的4 個特征曲線數(shù)據(jù)進(jìn)行整合，得到所有人的樣本數(shù)據(jù)庫。算法編寫是基于弗雷歇距離評價曲線的相似度來進(jìn)行個人認(rèn)定，距離越小，曲線越相似，越表明2 條特征曲線為同一個人。因此，編寫算法進(jìn)行個人特征曲線識別，需要通過調(diào)用樣本數(shù)據(jù)庫和個人部分，為弗雷歇距離算法定義與主算法來實現(xiàn)。

3.2 個人識別

將上述算法運行得到的實驗對照組數(shù)據(jù)與所有人的樣本數(shù)據(jù)庫進(jìn)行對比，對比其弗雷歇距離值，以受試者H 為例，運算得到弗雷歇距離值。通過曲線的相似度計算，如公式（1）所示。

對上述表格進(jìn)行運算得到每個特征的曲線相似度，再對這4 個特征相似度求均值，得到受試者H 與樣本數(shù)據(jù)庫中所有人的總體特征曲線的相似度，見表3。

從表3 中可知，受試者H 特征曲線與樣本數(shù)據(jù)庫特征曲線進(jìn)行比對，可以得出同一人的特征曲線相似度極高，受試者H 的特征曲線與樣本中8 號的特征曲線平均相似度為91.14%，因此可以傾向認(rèn)定受試者H 與樣本數(shù)據(jù)庫中的8 號人員為同一人，達(dá)到個人識別的效果。

表3 受試者H 與樣本數(shù)據(jù)庫中所有人特征曲線的相似度

4 結(jié)論

足部角度特征相對于其他關(guān)節(jié)角度特征具有不容易被遮擋的優(yōu)勢，左右足形成的腳擺角更包含豐富的變化信息，因此，足部特征的研究對步態(tài)識別技術(shù)中特征的提取具有重要意義。通過Codamotion 三維動作捕捉系統(tǒng)平臺對20名受試者的足部空間腳擺角，及其在3 個面上的投影角度的變化規(guī)律，進(jìn)行個人特征自身穩(wěn)定性分析和不同人特征角度曲線之間的差異性分析，得出具備個人識別的基礎(chǔ)條件，通過這4 個特征能夠進(jìn)行個人識別。通過基于弗雷歇距離的曲線相似度研究，確定這4 個特征可以用于個人識別，個人識別率達(dá)到91.14%。因此，在今后的步態(tài)識別研究中，可以考慮加強對足部特征的研究。