论文部分内容阅读
随着生物特征识别技术的发展,指纹、虹膜等生物特征在身份识别领域得到了不同程度的应用,但是这些生物特征都各有一定的局限性,步态识别以其特有的难以伪装、模仿,具有非侵犯性,可远距离识别等独特的优势得到了很多研究学者的关注。现今步态识别大多采用基于计算机视觉的方法,这类方法常因摄像机与人之间的距离、人的运动及光照等原因而使得图像不清晰,并且也易受气候、场景、衣着遮挡等外界干扰,因此本文提出一种基于足底触觉特征的步态识别新方法。主要工作及研究成果如下:1.按设计的流程采集并保存静态、动态的触觉步态数据。采用中科院智能机械研究所研制的压力测试板采集51个人静态和动态左、右脚的触觉步态数据,并将左、右脚数据分开保存,对静态保存双脚站立稳定后的30帧数据,对动态则保存每个人每只脚分别以常速、快速、慢速走过压力测试板10次采集到的数据,之后的操作都是分别针对左、右脚的数据进行,将左、右脚分开训练和测试。2.提出了提取关键帧数据和对足底进行自动分区域的方法。首先提取关键帧数据作为样本数据,对静态从每个人的30帧数据中提取总压力值最大的16帧作为关键帧数据,对动态则从每个人每次走过压力测试板时采集到的动态数据中选择总压力值最大的一帧及前一帧和后一帧作为关键帧数据。然后对提取的关键帧数据进行分区域处理,主要根据本文提出的自动分区域方法将足底分为足跟部、足弓部、脚前掌上半部、脚前掌下半部、脚趾上半部及脚趾下半部6个区域。3.提取了动力学特征、Laplace谱特征及形状特征作为训练和识别的特征。第一部分是动力学特征,包括足底最大压力点、压力中心点的位置和压力值,及压力比值的特征;第二部分是基于最大压力点、压力中心点的位置和压力值构造Laplace矩阵,提取Laplace谱特征;第三部分是根据足底形状提取的形状特征,综合这三部分特征就是本文所要构造的特征向量。4.分别设计了静态、动态的分类器。本文选用一对一的SVM (Support Vector Machine, SVM)多分类方法训练分类器,在静态步态识别中,将每个人的静态样本数据作为一类,在动态步态识别中,针对每个人三种速度的动态步态数据,设计了三种分类器,即独立分类器、简单分类器和混合分类器。S.从多方面进行了静态、动态步态识别实验来验证本文算法。在静态步态识别中,综合左、右脚的识别结果以得到最终的识别结果,在动态步态识别中,分别计算左、右脚在三种分类器下的识别正确率,实验结果表本文提出的基于足底触觉特征的步态识别方法操作简单,受外界干扰小,不仅适用与静态步态识别,对使用独立分类器时的动态步态识别,也有很好的效果。