專利名稱：基于足地作用力的步態(tài)特征提取方法及步態(tài)識(shí)別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識(shí)別技術(shù)領(lǐng)域，特別涉及基于足地作用力的步態(tài)特征提取方法及步態(tài)識(shí)別系統(tǒng)。
背景技術(shù)：
步態(tài)識(shí)別利用人走路的姿勢(shì)實(shí)現(xiàn)對(duì)個(gè)人身份的識(shí)別或生理、病理和心理特征步態(tài)的分類、識(shí)別，是生物特征識(shí)別技術(shù)領(lǐng)域中的一個(gè)新興分支，具有其他生物特征識(shí)別技術(shù)共有的特性，即生物特征能隨身攜帶，不需要記憶，具有唯一性和難以復(fù)制性等特點(diǎn)。同時(shí)，步態(tài)識(shí)別具有其他生物特征識(shí)別技術(shù)所不具有的獨(dú)特優(yōu)勢(shì)，即步態(tài)信息可以遠(yuǎn)距離隱蔽且非接觸地采集到，步態(tài)難以隱藏和偽裝，是一種遠(yuǎn)距離生物特征識(shí)別技術(shù)。藉于此，步態(tài)識(shí)別應(yīng)用前景廣泛，尤其在安全敏感場(chǎng)所的身份識(shí)別或認(rèn)證應(yīng)用中更具潛力和優(yōu)勢(shì)。因?yàn)橹讣y、人臉、虹膜、掌紋、掌形、人耳、視網(wǎng)膜、DNA、氣味、簽名、語(yǔ)音和擊鍵等生物特征識(shí)別技術(shù)在實(shí)際應(yīng)用時(shí)均需要被檢對(duì)象近距離密切配合才能完成信息采集，不具備隱蔽性，易引起犯罪分子的察覺進(jìn)而采取偽造和模仿等反偵察手段，不太適用于安全敏感場(chǎng)所的安全認(rèn)證需求；而且，所用的指紋、人臉、虹膜、掌紋、掌形、人耳、視網(wǎng)膜和氣味等生理特征都是靜態(tài)特征，易于偽造；擊鍵、語(yǔ)音和簽名這三種行為特征也容易被模仿；DNA鑒別技術(shù)雖然可靠性高，但采樣也不是隱蔽式的，而且分析過(guò)程較長(zhǎng)，要求高端的儀器設(shè)備，目前僅局限于實(shí)驗(yàn)室使用和法律鑒定中。因?yàn)榫哂歇?dú)特優(yōu)勢(shì)，步態(tài)識(shí)別近十幾年來(lái)被廣泛關(guān)注和研究，步態(tài)特征提取方法和步態(tài)識(shí)別方法、系統(tǒng)是關(guān)注的焦點(diǎn)。相對(duì)而言，計(jì)算機(jī)視覺領(lǐng)域的步態(tài)識(shí)別研究最早，最活躍，成果也最多，但由于種種客觀因素的制約，給步態(tài)識(shí)別的實(shí)際應(yīng)用帶來(lái)了許多挑戰(zhàn)。比如，計(jì)算機(jī)視覺領(lǐng)域的步態(tài)識(shí)別無(wú)法準(zhǔn)確鑒別出刻意模仿的步態(tài)真正是哪個(gè)人的，而實(shí)際上人們也可以在視覺形貌上將別人的步態(tài)模仿得很像，產(chǎn)生幾乎一樣的步態(tài)圖像信息；步態(tài)圖像或視頻獲取過(guò)程中可能會(huì)受到復(fù)雜背景和自身遮擋等因素的干擾，難以準(zhǔn)確地檢測(cè)出人體目標(biāo)和抽取出魯棒的步態(tài)特征。因此，需要研究和發(fā)展基于其他步態(tài)信息的身份識(shí)別方法和系統(tǒng)，以適應(yīng)高科技時(shí)代的安全認(rèn)證需求。另外，在基于步態(tài)的身份識(shí)別以及基于步態(tài)的生理、病理和心理特征步態(tài)的分類或識(shí)別應(yīng)用中，步態(tài)特征是關(guān)鍵，當(dāng)前的步態(tài)特征提取方法大多集中在以圖像序列的傅里葉變換、小波變換和Radon變換等表征步態(tài)的運(yùn)動(dòng)學(xué)特征，而實(shí)際上步態(tài)還有動(dòng)力學(xué)特征，但由于現(xiàn)有技術(shù)未能從多角度多層次提取步態(tài)特征，從而不可能全面準(zhǔn)確地提取出反映步態(tài)運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特征的步態(tài)特征。中國(guó)專利號(hào)ZL01144157. 7公開了一種通過(guò)人體步行的步態(tài)圖像序列來(lái)識(shí)別人員的方法，但該方法由于使用普通攝像機(jī)拍攝步態(tài)圖像，還不能完美地解決復(fù)雜背景、遮擋和噪聲干擾的問(wèn)題，無(wú)法應(yīng)用于夜間無(wú)光照的室外，也沒有考慮刻意模仿步態(tài)的問(wèn)題。中國(guó)專利申請(qǐng)公開號(hào)CN101251894A公開的一種可晝夜使用的步態(tài)識(shí)別方法和系統(tǒng)，因?yàn)橐廊皇腔诓綉B(tài)圖像的識(shí)別方法，仍然無(wú)法處理刻意模仿和遮擋問(wèn)題。中國(guó)專利號(hào)ZL200410014352.9公開的一種由四個(gè)六軸力平臺(tái)構(gòu)成的多軸力平臺(tái)陣列，并通過(guò)該平臺(tái)陣列獲取人體行走時(shí)動(dòng)態(tài)步態(tài)信息的方法，該平臺(tái)陣列可用于人體平衡能力、協(xié)調(diào)能力和神經(jīng)系統(tǒng)功能的測(cè)試和分析，但并未涉及步態(tài)特征提取和步態(tài)識(shí)別的方法。美國(guó)專利US2002/0107649公開了一種檢測(cè)步行時(shí)的聲振蕩信號(hào)的步態(tài)檢測(cè)裝置和步態(tài)檢測(cè)方法，并用作個(gè)人識(shí)別系統(tǒng)，該個(gè)人識(shí)別系統(tǒng)要求在人體上放置麥克風(fēng)(聲-電轉(zhuǎn)換器)，麥克風(fēng)通過(guò)采集步行運(yùn)動(dòng)過(guò)程中的聲振蕩能量而獲得電信號(hào)子集，使用此電信號(hào)子集作為一步的指標(biāo)來(lái)檢測(cè)步行周期，收集表示腳著地時(shí)的聲振蕩的信號(hào)子集，系統(tǒng)基于此信號(hào)子集提取人體特定的步態(tài)特征，并將其用于個(gè)人識(shí)別。但是該個(gè)人識(shí)別系統(tǒng)有兩個(gè)不足一是著地時(shí)的聲振蕩隨著麥克風(fēng)在人體上的放置部位而改變；二是由于受麥克風(fēng)周圍噪音和電噪聲的主要影響，不能準(zhǔn)確地確定表示腳著地時(shí)的聲振蕩電信號(hào)，也就難以準(zhǔn)確地提取步態(tài)波形的特征。專利申請(qǐng)國(guó)際公布號(hào)W0/2004/040501公開了一種以規(guī)定頻帶內(nèi)的波形峰值振幅作為參考指標(biāo)，并從電場(chǎng)位移檢測(cè)器中檢測(cè)到的電信號(hào)中確定一步的步態(tài)波形和提取步態(tài)波形特征的方法和個(gè)人識(shí)別系統(tǒng)，該方法不受左、右腿之間的電荷干涉和傳感器在身體上的安裝部位影響，但由于電磁干擾會(huì)嚴(yán)重影響檢測(cè)電信號(hào)的準(zhǔn)確度，不適用于存在復(fù)雜電磁干擾的環(huán)境中。而且，美國(guó)專利US 2002/0107649A1和國(guó)際公布號(hào)W0/2004/040501所公開的技術(shù)方案中，其步態(tài)信息仍然是依靠安置在身體上的傳感器采集，仍然是接觸式測(cè)量方式，被測(cè)者能覺察得到，犯罪分子很容易因覺察而采取反偵察手段蒙混過(guò)關(guān)或被激怒以致于在人群中制造恐怖事件。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種能夠更為全面準(zhǔn)確地表征人自然步行時(shí)運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特征的步態(tài)特征提取方法，并以此方法為基礎(chǔ)，提出一種既能消除復(fù)雜背景和遮擋等外界因素干擾，同時(shí)又能最大限度地避免蒙混過(guò)關(guān)情況的基于足地作用力的步態(tài)識(shí)別系統(tǒng)，以隱蔽且無(wú)侵?jǐn)_地對(duì)人員進(jìn)行身份識(shí)別，避免引起人權(quán)糾紛，可實(shí)現(xiàn)晝夜遠(yuǎn)程監(jiān)控，最大限度地避免蒙混過(guò)關(guān)情況，特別適用于海關(guān)、機(jī)場(chǎng)、博物館、晚會(huì)現(xiàn)場(chǎng)、銀行和金庫(kù)等安全敏感場(chǎng)所的身份識(shí)別，也適用于各類步態(tài)的自動(dòng)分類和鑒別。本發(fā)明的基于足地作用力的步態(tài)特征提取方法，其特征在于包括步態(tài)頻域特征提取和步態(tài)時(shí)域特征提?。凰霾綉B(tài)頻域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪和波形對(duì)齊，采用小波包分解方法從處理過(guò)的步態(tài)數(shù)據(jù)中提取出步態(tài)頻域特征；所述步態(tài)時(shí)域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪，檢測(cè)足地作用力曲線上的關(guān)鍵點(diǎn)和參考點(diǎn)，以關(guān)鍵點(diǎn)處的力值及時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量表征步態(tài)時(shí)域特征；所述足地作用力包括左右剪切力、前后剪切力和垂直支撐力；所述步態(tài)頻域特征提取的步驟如下頻域第一步Sll :采用三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)PC中；頻域第二步S12 :采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力；頻域第三步S13:挑選去噪后的足地作用力中的垂直支撐力，采用一階差分算法檢測(cè)出垂直支撐力曲線上的波谷點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考點(diǎn)；頻域第四步S14:以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，采用線性插值算法對(duì)去噪后的足地作用力進(jìn)行波形對(duì)齊，得到波形對(duì)齊后的足地作用力；頻域第五步S15 :根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行頻域第八步S18 ;如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行頻域第六步S16 ；頻域第六步S16 :需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)波形對(duì)齊后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量;頻域第七步S17 :采用L層小波包分解算法從拆分出的分段足地作用力中提取出分段的步態(tài)頻域特征；頻域第八步S18 :不需要擴(kuò)充樣本時(shí)，采用L層小波包分解算法從波形對(duì)齊后的足地作用力中提取出全程的步態(tài)頻域特征；所述步態(tài)時(shí)域特征提取的步驟如下時(shí)域第一步S21 :通過(guò)三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)PC中；時(shí)域第二步S22 :采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力；時(shí)域第三步S23 :采用一階差分算法分別檢測(cè)出去噪后的足地作用力中的前后剪切力曲線和垂直支撐力曲線上的波峰點(diǎn)和波谷點(diǎn)，將波峰點(diǎn)和波谷點(diǎn)作為足地作用力曲線的關(guān)鍵點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考點(diǎn)；時(shí)域第四步S24:根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行時(shí)域第七步S27 ;如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行時(shí)域第五步S25 ；時(shí)域第五步S25 :需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)去噪后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量；時(shí)域第六步S26 :以每一個(gè)分段足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征分段的步態(tài)時(shí)域特征；時(shí)域第七步S27 :不需要擴(kuò)充樣本時(shí)，以去噪后的足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征全程的步態(tài)時(shí)域特征；所述波形對(duì)齊的步驟如下波形對(duì)齊第一步采用線性插值算法將去噪后的足地作用力數(shù)據(jù)的維數(shù)歸一化到同一值GXNp，Np為使用的三維力測(cè)力板的總數(shù)，G為與采樣頻率相關(guān)的步距參數(shù)，將G設(shè)定為50的整數(shù)倍；波形對(duì)齊第二步通過(guò)一階差分算法搜索出維數(shù)歸一化后的足地作用力中的垂直支撐力曲線上的η個(gè)波谷點(diǎn)，將η個(gè)波谷點(diǎn)作為參考點(diǎn)；波形對(duì)齊第三步以垂直支撐力曲線上的參考點(diǎn)為參照，通過(guò)線性插值將足地作用力中的左右剪切力曲線、前后剪切力曲線和垂直支撐力曲線對(duì)齊，使得垂直支撐力曲線上的η個(gè)波谷點(diǎn)分別對(duì)齊到指定的位置，第η個(gè)波谷點(diǎn)對(duì)齊到GX (η-0. 5)；所述樣本拆分的步驟如下樣本拆分第一步通過(guò)一階差分算法搜索出足地作用力中垂直支撐力曲線上的η個(gè)波谷點(diǎn)，將η個(gè)波谷點(diǎn)作為參考點(diǎn)；樣本拆分第二步以垂直支撐力曲線上的參考點(diǎn)為分割點(diǎn)，分別將足地作用力中的左右剪切力曲線、前后剪切力曲線和垂直支撐力曲線中位于第一個(gè)參考點(diǎn)和最后一個(gè)參考點(diǎn)之間的部分拆分成η-1段，將兩相鄰參考點(diǎn)之間的足地作用力數(shù)據(jù)提取出來(lái)，作為一個(gè)新的樣本，共拆分出η-1個(gè)樣本。同時(shí)，本發(fā)明以上述的基于足地作用力的步態(tài)特征提取方法為基礎(chǔ)，還提出一種基于足地作用力的步態(tài)識(shí)別系統(tǒng)，其特征在于，包括步態(tài)數(shù)據(jù)采集模塊MDl和步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2 所述步態(tài)數(shù)據(jù)采集模塊MD1，由Np個(gè)三維力測(cè)力板MDll和I個(gè)數(shù)據(jù)采集與傳輸單元MD12組成，Np個(gè)三維力測(cè)力板MDlI電連接，將它們緊密平齊且隱蔽地安裝在地面Flo下構(gòu)成步態(tài)通道GW，數(shù)據(jù)采集與傳輸單元MD12的一端通過(guò)以太網(wǎng)與Np個(gè)電連接的三維力測(cè)力板MDll電連接，數(shù)據(jù)采集與傳輸單元MD12的另一端通過(guò)USB數(shù)據(jù)線DL與計(jì)算機(jī)PC電連接，實(shí)現(xiàn)足地作用力數(shù)據(jù)的實(shí)時(shí)采集和處理；所述步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2，是安裝在計(jì)算機(jī)PC中的軟件模塊，該模塊首先通過(guò)小波變換硬閾值法對(duì)采集到的足地作用力進(jìn)行去噪處理，然后通過(guò)步態(tài)特征提取方法提取步態(tài)頻域特征和步態(tài)時(shí)域特征來(lái)表征步態(tài)，再通過(guò)步態(tài)特征融合建立步態(tài)特征集，最后采用支持向量機(jī)分類器對(duì)步態(tài)進(jìn)行識(shí)別；所述步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2，是對(duì)獲取的步態(tài)數(shù)據(jù)進(jìn)行處理和特征提取并實(shí)現(xiàn)遠(yuǎn)距離隱蔽式步態(tài)識(shí)別的模塊，包括以下單元步態(tài)數(shù)據(jù)去噪單元MD21，采用小波變換硬閾值法去除采集到的足地作用力中的工頻噪聲和電磁干擾等噪聲，獲取信噪比高的步態(tài)數(shù)據(jù)；波形對(duì)齊單元MD22，采用所述波形對(duì)齊的步驟將采集到的所有人員樣本的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)將足地作用力自動(dòng)對(duì)齊；樣本拆分單元MD23，采用所述樣本拆分的步驟將采集到的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)拆分成多個(gè)分段足地作用力；步態(tài)頻域特征提取單元MD24， 采用所述步態(tài)頻域特征提取的步驟從經(jīng)過(guò)去噪和波形對(duì)齊，或再進(jìn)一步經(jīng)過(guò)樣本拆分處理的足地作用力中提取小波包分解系數(shù)來(lái)表征步態(tài)頻域特征；步態(tài)時(shí)域特征提取單元MD25，采用所述步態(tài)時(shí)域特征提取的步驟從經(jīng)過(guò)去噪甚至經(jīng)過(guò)樣本拆分處理的足地作用力曲線上計(jì)算關(guān)鍵點(diǎn)處的力值和時(shí)相、相鄰關(guān)鍵點(diǎn)的變化率和沖量來(lái)表征步態(tài)時(shí)域特征；步態(tài)特征融合單元MD26，采用模糊C均值算法從提取的步態(tài)頻域特征中挑選出最小最優(yōu)步態(tài)頻域特征子集，再與步態(tài)時(shí)域特征直接組合，得到融合后的步態(tài)特征集；步態(tài)識(shí)別單元MD27，采用支持向量機(jī)分類器對(duì)從足地作用力中提取的步態(tài)特征進(jìn)行步態(tài)和身份識(shí)別。步態(tài)是遠(yuǎn)距離身份識(shí)別需求中優(yōu)勢(shì)明顯的生物行為特征，特別適合于高科技時(shí)代的安全認(rèn)證和安全防范需求?，F(xiàn)有技術(shù)公開了通過(guò)攝像機(jī)獲取的步態(tài)圖像或麥克風(fēng)獲取的步行聲振蕩信號(hào)或電場(chǎng)位移檢測(cè)器獲取的步行電場(chǎng)信號(hào)來(lái)鑒別個(gè)體身份的方法和系統(tǒng)，本發(fā)明提出的基于足地作用力的步態(tài)特征提取方法及步態(tài)識(shí)別系統(tǒng)，相對(duì)于現(xiàn)有技術(shù)的優(yōu)勢(shì)在于其一，本發(fā)明中所用的 步態(tài)信息是人體行走時(shí)足與地面相互作用產(chǎn)生的足地作用力，可以通過(guò)隱藏在地面下的測(cè)力平臺(tái)方便、準(zhǔn)確地獲取到。相對(duì)于將傳感器安置在被測(cè)者身上的獲取步行聲振蕩信號(hào)和步行電場(chǎng)信號(hào)的方法，本發(fā)明中的步態(tài)信息采集設(shè)備隱藏在地面下，不安置在被測(cè)者身上，步態(tài)信息采集過(guò)程對(duì)被測(cè)者完全是隱蔽的，對(duì)被測(cè)者的自然行走沒有任何影響。也就是說(shuō)，本發(fā)明中的步態(tài)信息采集是非接觸且隱蔽的測(cè)量方法，可以獲取被識(shí)別對(duì)象自然步行時(shí)的真實(shí)步態(tài)信息，被識(shí)別對(duì)象不會(huì)發(fā)覺有身份識(shí)別設(shè)備而采取措施蒙混過(guò)關(guān)，可以在現(xiàn)場(chǎng)也可以在很遠(yuǎn)的地方監(jiān)控識(shí)別過(guò)程，也不會(huì)引起人權(quán)糾紛，可以更好地滿足高科技時(shí)代機(jī)場(chǎng)、海關(guān)、博物館、晚會(huì)現(xiàn)場(chǎng)、銀行和
人口 f+71 K 4-T7 M I L,!Kl、l丄山/Ji 4*tt 丄7 如幕Ttife1 人二 rCn
金庫(kù)等安全敏感場(chǎng)所的身份鑒別和安全防范需求。其二，由于本發(fā)明中所用的步態(tài)信息是測(cè)力平臺(tái)獲取的人體行走時(shí)足與地面相互作用產(chǎn)生的足地作用力，相對(duì)于計(jì)算機(jī)視覺領(lǐng)域中通過(guò)攝像機(jī)獲取步態(tài)圖像的方法，識(shí)別結(jié)果不受復(fù)雜背景、衣服和身體遮擋等影響。更有優(yōu)勢(shì)的一點(diǎn)是，本發(fā)明可以應(yīng)對(duì)刻意模仿別人步態(tài)時(shí)的情況，而計(jì)算機(jī)視覺領(lǐng)域基于步態(tài)的身份識(shí)別方法無(wú)法較好應(yīng)對(duì)，因?yàn)橐粋€(gè)人模仿別人的步態(tài)往往從視覺形貌上學(xué)習(xí)別人走路的姿勢(shì)，可以模仿得很像，但因?yàn)闊o(wú)法觀察到和記錄別人走路時(shí)足與地面相互作用的步態(tài)力學(xué)信息，也就無(wú)法學(xué)習(xí)、模仿力學(xué)信息，即便是相似的走路姿勢(shì)也不一定能產(chǎn)生相似的步態(tài)力學(xué)信息。其三，本發(fā)明方法從步行時(shí)的足地作用力中提取出的步態(tài)特征包括步態(tài)時(shí)域特征和步態(tài)頻域特征，相對(duì)于步態(tài)圖像序列，從足地作用力中提取的步態(tài)時(shí)域特征反映步行的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)等整體特征，能夠全面準(zhǔn)確地反映步行的動(dòng)作特征，所提取的步態(tài)頻域特征反映步行的細(xì)節(jié)特征，將兩種步態(tài)特征同時(shí)用于步態(tài)識(shí)別時(shí)，因?yàn)槔昧苏w和細(xì)節(jié)特征的互補(bǔ)，其識(shí)別性能更優(yōu)。其四，本發(fā)明方法在步態(tài)頻域特征提取過(guò)程中提出了波形對(duì)齊方法對(duì)足地作用力在參考點(diǎn)處進(jìn)行對(duì)齊，以提高步態(tài)頻域特征的對(duì)比性和分類能力；同時(shí)，還提出了樣本拆分方法，在不增加數(shù)據(jù)采集次數(shù)的情況下有效擴(kuò)充用于訓(xùn)練的足地作用力數(shù)據(jù)樣本的數(shù)量，為分類器訓(xùn)練提供盡量多的樣本，從而提高訓(xùn)練的分類器的健壯性和提高步態(tài)識(shí)別的準(zhǔn)確率。其五，本發(fā)明中設(shè)計(jì)的步態(tài)特征提取方法和步態(tài)識(shí)別系統(tǒng)，除了可以用于身份識(shí)另Ij外，還可以推廣應(yīng)用到很多領(lǐng)域。例如，在醫(yī)療輔助診斷領(lǐng)域，提取的步態(tài)時(shí)域特征和步態(tài)頻域特征可以用于帕金森步態(tài)、腦卒中步態(tài)、糖尿病足步態(tài)、外八字步、內(nèi)八字步等臨床步態(tài)的分析、自動(dòng)分類和識(shí)別；在體育科研領(lǐng)域，利用行走和完成動(dòng)作過(guò)程中足地作用力的動(dòng)態(tài)時(shí)序參數(shù)，分析和評(píng)估運(yùn)動(dòng)員的運(yùn)動(dòng)能力和發(fā)力效果等，作為改進(jìn)訓(xùn)練方式、考核訓(xùn)練效果以及運(yùn)動(dòng)損傷評(píng)估的依據(jù)；在醫(yī)療康復(fù)領(lǐng)域，通過(guò)與正常人步態(tài)特征的對(duì)比，可以評(píng)估病人骨骼肌肉等組織受到損害的程度和控制平衡的能力，對(duì)患者進(jìn)行分類和分級(jí)，確定治療康復(fù)方案，并可在治療過(guò)程中驗(yàn)證療效、治療后評(píng)估康復(fù)程度；另外，步態(tài)時(shí)域特征和步態(tài)頻域特征還可以應(yīng)用于保險(xiǎn)評(píng)估、理賠(保險(xiǎn)公司用于傷殘?jiān)u估、治療康復(fù)評(píng)估)以及人類生活生產(chǎn)資料(家具、鞋子、假肢、辦公用具等)和健身、康復(fù)器材的設(shè)計(jì)和效能評(píng)估等領(lǐng)域。


圖1是基于足地作用力的步態(tài)特征提取算法流程圖，其中的分圖(a)為步態(tài)頻域特征提取流程圖，分圖(b)為步態(tài)時(shí)域特征提取流程圖。圖2是足地作用力曲線的波形對(duì)齊和樣本拆分的參考點(diǎn)示意圖。圖3是去噪前的足地作用力中的左右剪切力Fx曲線、前后剪切力Fy曲線和垂直支撐力Fz曲線。圖4是去噪后的足地作用力中的左右剪切力Fxd曲線、前后剪切力Fyd曲線和垂直支撐力Fzd曲線。圖5是去噪和波形對(duì)齊后的足地作用力中的左右剪切力Fxr曲線、前后剪切力Fyr曲線和垂直支撐力Fzr曲線。圖6是經(jīng)過(guò)去噪、波形對(duì)齊和幅值歸一化后的足地作用力中的垂直支撐力Fwz曲線。圖7是對(duì)垂直支撐力Fwz進(jìn)行4層小波包分解后的第一層尺度序列。圖8是對(duì)垂直支撐力Fwz進(jìn)行4層小波包分解后的第一層小波序列。圖9是足地作用力曲線的關(guān)鍵點(diǎn)及步態(tài)時(shí)域特征表征示意圖。圖10是基于足地作用力的步態(tài)識(shí)別系統(tǒng)框圖。圖11是步態(tài)數(shù)據(jù)處理與識(shí)別模塊框圖。
具體實(shí)施例方式實(shí)施例1 :下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。本發(fā)明以人的步態(tài)為出發(fā)點(diǎn)，以獲取人自然真實(shí)且全面的步態(tài)特征和實(shí)現(xiàn)可晝夜自動(dòng)監(jiān)控的步態(tài)識(shí)別應(yīng)用為目的，提出的一種基于足地作用力的步態(tài)特征提取方法及步態(tài)識(shí)別系統(tǒng)，涉及步態(tài)時(shí)域特征和步態(tài)頻域特征的提取、步態(tài)識(shí)別系統(tǒng)的設(shè)計(jì)和功能實(shí)現(xiàn)等問(wèn)題。受到人步行時(shí)的足地作用力很難被模仿且可以無(wú)侵?jǐn)_地獲取到以及時(shí)頻分析結(jié)合的啟發(fā)，在本發(fā)明方法的實(shí)施過(guò)程中可以采用隱藏在地面下的測(cè)力板采集人步行時(shí)足底與地面相互作用產(chǎn)生的足地作用力，以不可模仿的步態(tài)力學(xué)信息代替較易模仿的步態(tài)圖像序列，并從足地作用力中提取步態(tài)時(shí)域特征和步態(tài)頻域特征，將兩種特征融合用于步態(tài)識(shí)另IJ，進(jìn)而實(shí)現(xiàn)了基于足地作用力的步態(tài)識(shí)別系統(tǒng)。圖10是基于足地作用力的步態(tài)識(shí)別系統(tǒng)框圖，基于足地作用力的步態(tài)識(shí)別系統(tǒng)包括圖10中的步態(tài)數(shù)據(jù)采集模塊MDl和步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2兩大模塊，其中步態(tài)數(shù)據(jù)采集模塊MDl用于無(wú)侵?jǐn)_地獲取人自然步行時(shí)的足地作用力，由Np個(gè)三維力測(cè)力板MDll和I個(gè)數(shù)據(jù)采集與傳輸單元MD12組成，Np個(gè)三維力測(cè)力板MDll電連接，將它們緊密平齊且隱蔽地安裝在地面Flo下構(gòu)成步態(tài)通道GW，數(shù)據(jù)采集與傳輸單元MD12的一端通過(guò)以太網(wǎng)與Np個(gè)電連接的三維力測(cè)力板MDll電連接，數(shù)據(jù)采集與傳輸單元MD 12的另一端通過(guò)USB數(shù)據(jù)線DL與計(jì)算機(jī)PC電連接，實(shí)現(xiàn)足地作用力數(shù)據(jù)的實(shí)時(shí)采集和處理。Np表示的是所采用的三維力測(cè)力板的個(gè)數(shù)，為了能夠采集到不同身高的人的足地作用力數(shù)據(jù)，Np最好為不小于3的整數(shù)。本發(fā)明所采用的三維力測(cè)力板是中國(guó)專利號(hào)為ZL200410014352. 9的發(fā)明專利“一種多軸力平臺(tái)陣列及人體行走步態(tài)信息獲取方法”中所述的六軸力平臺(tái)。在實(shí)際應(yīng)用中，當(dāng)被測(cè)者從圖10中GW所示的步態(tài)通道上步行通過(guò)時(shí)，因?yàn)槿S力測(cè)力板MDlI安裝在地面Flo下，這樣被測(cè)者就不知道有儀器設(shè)備在采集他/她的步態(tài)數(shù)據(jù)，即本發(fā)明的步態(tài)數(shù)據(jù)采集是隱蔽和無(wú)侵?jǐn)_的，也就可以保證采集到的步態(tài)信息是真實(shí)自然的，從而避免刻意模仿情況的出現(xiàn)；步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2是安裝在計(jì)算機(jī)PC中的軟件模塊，該模塊首先通過(guò)小波變換硬閾值法對(duì)采集到的足地作用力數(shù)據(jù)進(jìn)行去噪處理，然后通過(guò)步態(tài)特征提取方法提取步態(tài)頻域特征和步態(tài)時(shí)域特征來(lái)表征步態(tài)，再通過(guò)步態(tài)特征融合建立步態(tài)特征集，最后采用支持向量機(jī)分類器對(duì)步態(tài)進(jìn)行識(shí)別。圖11是步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2的框圖，本發(fā)明中的步態(tài)數(shù)據(jù)處理與識(shí)別模塊MD2是對(duì)獲取的步態(tài)數(shù)據(jù)進(jìn)行處理和特征提取并實(shí)現(xiàn)遠(yuǎn)距離隱蔽式步態(tài)識(shí)別的模塊，由步態(tài)數(shù)據(jù)去噪單元MD21、波形對(duì)齊單元MD22、樣本拆分單元MD23、步態(tài)頻域特征提取單元MD24、步態(tài)時(shí)域特征提取單元MD25、步態(tài)特征融合單元MD26和步態(tài)識(shí)別單元MD27協(xié)調(diào)完成步態(tài)數(shù)據(jù)處理和識(shí)別工作，其中步態(tài)數(shù)據(jù)去噪單元MD21，采用小波變換硬閾值法去除采集到的足地作用力中的工頻噪聲和電磁干擾等噪聲，獲取信噪比高的步態(tài)數(shù)據(jù)；波形對(duì)齊單元MD22，采用波形對(duì)齊的步驟將采集到的所有人員樣本的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)將足地作用力自動(dòng)對(duì)齊；樣本拆分單元MD23，采用所述樣本拆分的步驟將采集到的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)拆分成多個(gè)分段足地作用力；步態(tài)頻域特征提取單元MD24，采用所述步態(tài)頻域特征提取的步驟從經(jīng)過(guò)去噪和波形對(duì)齊，或再進(jìn)一步經(jīng)過(guò)樣本拆分處理的足地作用力中提取小波包分解系數(shù)來(lái)表征步態(tài)頻域特征；步態(tài)時(shí)域特征提取單元MD25，采用步態(tài)時(shí)域特征提取的步驟從經(jīng)過(guò)去噪甚至經(jīng)過(guò)樣本拆分處理的足地作用力曲線上計(jì)算關(guān)鍵點(diǎn)處的力值和時(shí)相、相鄰關(guān)鍵點(diǎn)的變化率和沖量來(lái)表征步態(tài)時(shí)域特征；步態(tài)特征融合單元MD26，采用模糊C均值算法從提取的步態(tài)頻域特征中挑選出最小最優(yōu)步態(tài)頻域特征子集，再與步態(tài)時(shí)域特征直接組合，得到融合后的步態(tài)特征集；步態(tài)識(shí)別單元MD27，采用支持向量機(jī)分類器對(duì)從足地作用力中提取的步態(tài)特征進(jìn)行步態(tài)和身份識(shí)別。本發(fā)明方法實(shí)施過(guò)程中利用可隱藏在地面下的測(cè)力板隱蔽無(wú)侵?jǐn)_地獲取行人自然真實(shí)且不易被模仿的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，再采用小波變換硬閾值法對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪處理，采用小波包分解算法和差分算法分別從足地作用力中提取步態(tài)頻域特征和步態(tài)時(shí)域特征表征步態(tài)，使用支持向量機(jī)對(duì)行人進(jìn)行步態(tài)分類或身份識(shí)別，同時(shí)提出波形對(duì)齊和樣本拆分方法提高識(shí)別準(zhǔn)確率，構(gòu)成獨(dú)具優(yōu)勢(shì)的步態(tài)識(shí)別系統(tǒng)。在本發(fā)明的步態(tài)識(shí)別系統(tǒng)的技術(shù)方案中，步態(tài)特征提取是核心之一，也是步態(tài)分析的基礎(chǔ)，本發(fā)明提出從包括左右剪切力、前后剪切力和垂直支撐力的足地作用力中全面準(zhǔn)確地表征人自然步行時(shí)運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特征的步態(tài)特征提取方法，該步態(tài)特征提取包括步態(tài)頻域特征提取和步態(tài)時(shí)域特征提取，步態(tài)頻域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪和波形對(duì)齊，采用小波包分解方法從處理過(guò)的步態(tài)數(shù)據(jù)中提取出步態(tài)頻域特征；步態(tài)時(shí)域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪，檢測(cè)足地作用力曲線上的關(guān)鍵點(diǎn)和參考點(diǎn)，以關(guān)鍵點(diǎn)處的力值及時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量表征步態(tài)時(shí)域特征。圖1是基于足地作用力的步態(tài)特征提取算法流程圖，其中的分圖(a)為步態(tài)頻域特征提取流程圖，分圖(b)為步態(tài)時(shí)域特征提取流程圖。本發(fā)明中基于足地作用力的步態(tài)特征提取方法技術(shù)方案的實(shí)施步驟如下參見圖1中的分圖(a)，該步態(tài)頻域特征提取的步驟如下頻域第一步Sll :采用三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)PC中；頻域第二步S12 :采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力；頻域第三步S13:挑選去噪后的足地作用力中的垂直支撐力，采用一階差分算法檢測(cè)出垂直支撐力曲線上的波谷點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考點(diǎn)；頻域第四步S14:以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，采用線性插值算法對(duì)去噪后的足地作用力進(jìn)行波形對(duì)齊，得到波形對(duì)齊后的足地作用力；頻域第五步S15 :根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行頻域第八步S18 ;如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行頻域第六步S16 ；頻域第六步S16 :需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)波形對(duì)齊后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量;頻域第七步S17 :采用L層小波包分解算法從拆分出的分段足地作用力中提取出分段的步態(tài)頻域特征；頻域第八步S18 :不需要擴(kuò)充樣本時(shí)，采用L層小波包分解算法從波形對(duì)齊后的足地作用力中提取出全程的步態(tài)頻域特征。參見圖1中的分圖(b)，該步態(tài)時(shí)域特征提取的步驟如下
時(shí)域第一步S21 :通過(guò)三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)PC中；時(shí)域第二步S22 :采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力；時(shí)域第三步S23 :采用一階差分算法分別檢測(cè)出去噪后的足地作用力中的前后剪切力曲線和垂直支撐力曲線上的波峰點(diǎn)和波谷點(diǎn)，將波峰點(diǎn)和波谷點(diǎn)作為足地作用力曲線的關(guān)鍵點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考點(diǎn)；時(shí)域第四步S24 :根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行時(shí)域第七步S27 ;如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行時(shí)域第五步S25 ；時(shí)域第五步S25 :需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)去噪后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量；時(shí)域第六步S26 :以每一個(gè)分段足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征分段的步態(tài)時(shí)域特征；時(shí)域第七步S27 :不需要擴(kuò)充樣本時(shí)，以去噪后的足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征全程的步態(tài)時(shí)域特征；這里所指的沖量實(shí)際上就是力與時(shí)間的積分，驅(qū)動(dòng)沖量就是力-時(shí)間曲線上居于O點(diǎn)以上的力與時(shí)間的積分，制動(dòng)沖量就是力-時(shí)間曲線上居于O點(diǎn)以下的力與時(shí)間的積分。通過(guò)以上時(shí)頻分析方法提取出的步態(tài)特征可以全面準(zhǔn)確地表征人的自然步行特征，從足地作用力中提取的步態(tài)時(shí)域特征反映步行的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)等整體特征，能夠全面準(zhǔn)確地反映步行的動(dòng)作特征，所提取的步態(tài)頻域特征反映步行的細(xì)節(jié)特征，從這些步態(tài)特征中既可以分析步態(tài)的周期性、穩(wěn)定性和動(dòng)力性，還可以精細(xì)地分析步態(tài)的譜特性，將兩種步態(tài)特征同時(shí)用于步態(tài)識(shí)別時(shí)，因?yàn)槔昧苏w和細(xì)節(jié)特征的互補(bǔ)，其識(shí)別性能更優(yōu)，大量實(shí)驗(yàn)也證實(shí)了本發(fā)明方法的有效性。下面對(duì)本發(fā)明的步態(tài)特征提取方法和步態(tài)識(shí)別系統(tǒng)中涉及的細(xì)節(jié)進(jìn)行詳細(xì)說(shuō)明。1.步態(tài)數(shù)據(jù)——足地作用力獲取本發(fā)明中所用的步態(tài)數(shù)據(jù)，即步行時(shí)的足地作用力由如圖10所示的步態(tài)數(shù)據(jù)采集模塊MDl無(wú)侵?jǐn)_地獲取。當(dāng)被測(cè)者步行通過(guò)圖10中所示Np個(gè)三維力測(cè)力板MDll組成的步態(tài)通道GW時(shí)，步態(tài)數(shù)據(jù)采集模塊MDl便實(shí)時(shí)地采集他/她步行時(shí)的足地作用力。本實(shí)施例中將Np設(shè)定為5。本發(fā)明中，采集的足地作用力是三維力，包括如圖2所示的左右剪切力Fx、前后剪切力Fy和垂直支撐力Fz，它們很難被模仿，而且可以隱蔽無(wú)侵?jǐn)_地獲取到，可以晝夜遠(yuǎn)程采集，采集時(shí)不需要被測(cè)者配合，這樣可以保證采集的步態(tài)數(shù)據(jù)是自然真實(shí)的。2.步態(tài)數(shù)據(jù)去噪處理
為了使提取到的步態(tài)特征更準(zhǔn)確穩(wěn)定，要求用于特征提取的步態(tài)數(shù)據(jù)具有較高的質(zhì)量，而采集到的數(shù)據(jù)往往含有噪聲。因此，在進(jìn)行步態(tài)特征提取之前，需要對(duì)采集到的步態(tài)數(shù)據(jù)進(jìn)行去噪處理。軟件濾波方法是硬件濾波去噪之外常用的上位機(jī)去噪方法。由于小波變換具有譽(yù)為“數(shù)學(xué)顯微鏡”的多分辨率分析特性，使其具有帶通濾波功能，小波去噪方法應(yīng)用越來(lái)越廣。小波去噪方法將信號(hào)在不同尺度下進(jìn)行小波分解，就可將包含多種頻率成分的混合信號(hào)分解到不同頻段，然后根據(jù)各種子信號(hào)在頻域上的不同特征按頻帶處理。步行時(shí)的足地作用力信號(hào)主要是頻率在40Hz以內(nèi)的低頻信號(hào)，而通過(guò)步態(tài)通道采集系統(tǒng)中的主要噪聲是工作電源引入的50Hz工頻噪聲和采集電路中的電磁干擾，電磁干擾大部分是高頻噪聲。另外，采集到的足地作用力的奇異點(diǎn)較多，在其曲線上會(huì)出現(xiàn)很多拐點(diǎn)，類似圖2中的波峰點(diǎn)P1、P2、P3、P4和波谷點(diǎn)V1、V2、V3、V4、V5。而小波變換模極大值法和小波變換閾值法比較適合對(duì)含奇異點(diǎn)較多的信號(hào)或數(shù)據(jù)進(jìn)行去噪，又因?yàn)樾〔ㄗ儞Q閾值法適用于大多數(shù)信號(hào)的去噪，且計(jì)算速度快，非常適合于對(duì)本發(fā)明中的足地作用力數(shù)據(jù)進(jìn)行實(shí)時(shí)去噪處理的要求。因此，本發(fā)明選用小波變換閾值法對(duì)足地作用力數(shù)據(jù)進(jìn)行去噪處理。小波去噪包括小波分解一對(duì)高頻小波系數(shù)處理一小波重構(gòu)三個(gè)基本操作，對(duì)于時(shí)域信號(hào)f (t)，先將其離散化為fk，令Ctu = fk。本發(fā)明中采集到的步態(tài)數(shù)據(jù)可以視為已經(jīng)離散化了的數(shù)據(jù)，即fk=f(t)，信號(hào)f(t)的正交小波分解公式為
權(quán)利要求
1.一種基于足地作用力的步態(tài)特征提取方法，其特征在于，包括步態(tài)頻域特征提取和步態(tài)時(shí)域特征提取 所述步態(tài)頻域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪和波形對(duì)齊，采用小波包分解方法從處理過(guò)的步態(tài)數(shù)據(jù)中提取出步態(tài)頻域特征； 所述步態(tài)時(shí)域特征提取是指將獲取的步行時(shí)的足地作用力作為步態(tài)數(shù)據(jù)，對(duì)步態(tài)數(shù)據(jù)進(jìn)行去噪，檢測(cè)足地作用力曲線上的關(guān)鍵點(diǎn)和參考點(diǎn)，以關(guān)鍵點(diǎn)處的力值及時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量表征步態(tài)時(shí)域特征； 所述足地作用力包括左右剪切力、前后剪切力和垂直支撐力； 所述步態(tài)頻域特征提取的步驟如下 頻域第一步(SI I):采用三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)(PC)中； 頻域第二步(S12):采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力； 頻域第三步(S13):挑選去噪后的足地作用力中的垂直支撐力，采用一階差分算法檢測(cè)出垂直支撐力曲線上的波谷點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考占. 頻域第四步(S14):以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，采用線性插值算法對(duì)去噪后的足地作用力進(jìn)行波形對(duì)齊，得到波形對(duì)齊后的足地作用力； 頻域第五步(S15):根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行頻域第八步(S18);如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行頻域第六步(S16); 頻域第六步(S16):需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)波形對(duì)齊后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量；頻域第七步(S17):采用L層小波包分解算法從拆分出的分段足地作用力中提取出分段的步態(tài)頻域特征； 頻域第八步(S18):不需要擴(kuò)充樣本時(shí)，采用L層小波包分解算法從波形對(duì)齊后的足地作用力中提取出全程的步態(tài)頻域特征； 所述步態(tài)時(shí)域特征提取的步驟如下 時(shí)域第一步(S21):通過(guò)三維力測(cè)力板獲取人正常步行通過(guò)步態(tài)通道時(shí)的足地作用力，將一次無(wú)停留無(wú)返回正常連貫地從步態(tài)通道上步行通過(guò)時(shí)的足地作用力作為一條有效的步態(tài)數(shù)據(jù)，傳輸并保存到計(jì)算機(jī)(PC)中； 時(shí)域第二步(S22):采用小波變換硬閾值法對(duì)足地作用力進(jìn)行去噪處理，獲取去噪后的足地作用力； 時(shí)域第三步(S23):采用一階差分算法分別檢測(cè)出去噪后的足地作用力中的前后剪切力曲線和垂直支撐力曲線上的波峰點(diǎn)和波谷點(diǎn)，將波峰點(diǎn)和波谷點(diǎn)作為足地作用力曲線的關(guān)鍵點(diǎn)，將垂直支撐力曲線上的波谷點(diǎn)作為足地作用力曲線的參考點(diǎn)； 時(shí)域第四步(S24):根據(jù)應(yīng)用場(chǎng)所步態(tài)數(shù)據(jù)采集的難易程度判斷是否需要擴(kuò)充樣本，如果在人員固定的場(chǎng)所，可以多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則不需要擴(kuò)充樣本，執(zhí)行時(shí)域第七步(S27);如果在機(jī)場(chǎng)、商場(chǎng)和海關(guān)等人員流動(dòng)性強(qiáng)的場(chǎng)所，不能多次采集每個(gè)人分別以不同行走速度和穿不同的鞋子正常通過(guò)步態(tài)通道的步態(tài)數(shù)據(jù)，則需要擴(kuò)充樣本，執(zhí)行時(shí)域第五步(S25); 時(shí)域第五步(S25):需要擴(kuò)充樣本時(shí)，以足地作用力曲線的參考點(diǎn)為基準(zhǔn)，對(duì)去噪后的足地作用力進(jìn)行樣本拆分，拆分成多個(gè)分段足地作用力，擴(kuò)充步態(tài)數(shù)據(jù)樣本的數(shù)量； 時(shí)域第六步(S26):以每一個(gè)分段足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征分段的步態(tài)時(shí)域特征； 時(shí)域第七步(S27):不需要擴(kuò)充樣本時(shí)，以去噪后的足地作用力中的垂直支撐力曲線上的關(guān)鍵點(diǎn)處的力值及力值出現(xiàn)的時(shí)相、相鄰關(guān)鍵點(diǎn)的作用力變化率和沖量和對(duì)應(yīng)的前后剪切力曲線上的關(guān)鍵點(diǎn)處的力值、驅(qū)動(dòng)沖量和制動(dòng)沖量表征全程的步態(tài)時(shí)域特征； 所述波形對(duì)齊的步驟如下 波形對(duì)齊第一步采用線性插值算法將去噪后的足地作用力數(shù)據(jù)的維數(shù)歸一化到同一值GXNp，Np為使用的三維力測(cè)力板的總數(shù)，G為與采樣頻率相關(guān)的步距參數(shù)，將G設(shè)定為50的整數(shù)倍； 波形對(duì)齊第二步通過(guò)一階差分算法搜索出維數(shù)歸一化后的足地作用力中的垂直支撐力曲線上的η個(gè)波谷點(diǎn)，將η個(gè)波谷點(diǎn)作為參考點(diǎn)； 波形對(duì)齊第三步以垂直支撐力曲線上的參考點(diǎn)為參照，通過(guò)線性插值將足地作用力中的左右剪切力曲線、前后剪切力曲線和垂直支撐力曲線對(duì)齊，使得垂直支撐力曲線上的η個(gè)波谷點(diǎn)分別對(duì)齊到指定的位置，第η個(gè)波谷點(diǎn)對(duì)齊到GX (η-0. 5)； 所述樣本拆分的步驟如下 樣本拆分第一步通過(guò)一階差分算法搜索出足地作用力中垂直支撐力曲線上的η個(gè)波谷點(diǎn)，將η個(gè)波谷點(diǎn)作為參考點(diǎn)； 樣本拆分第二步以垂直支撐力曲線上的參考點(diǎn)為分割點(diǎn)，分別將足地作用力中的左右剪切力曲線、前后剪切力曲線和垂直支撐力曲線中位于第一個(gè)參考點(diǎn)和最后一個(gè)參考點(diǎn)之間的部分拆分成η-1段，將兩相鄰參考點(diǎn)之間的足地作用力數(shù)據(jù)提取出來(lái)，作為一個(gè)新的樣本，共拆分出η-1個(gè)樣本。
2.一種根據(jù)權(quán)利要求1所述基于足地作用力的步態(tài)特征提取方法的步態(tài)識(shí)別系統(tǒng)，其特征在于，包括步態(tài)數(shù)據(jù)采集模塊(MDl)和步態(tài)數(shù)據(jù)處理與識(shí)別模塊(MD2) 所述步態(tài)數(shù)據(jù)采集模塊(MDl)，由Np個(gè)三維力測(cè)力板(MDlI)和I個(gè)數(shù)據(jù)采集與傳輸單元(MD12)組成，Np個(gè)三維力測(cè)力板(MDll)電連接，將它們緊密平齊且隱蔽地安裝在地面(Flo)下構(gòu)成步態(tài)通道(GW)，數(shù)據(jù)采集與傳輸單元(MD12)的一端通過(guò)以太網(wǎng)與Np個(gè)電連接的三維力測(cè)力板(MDll)電連接，數(shù)據(jù)采集與傳輸單元(MD12)的另一端通過(guò)USB數(shù)據(jù)線(DL)與計(jì)算機(jī)(PC)電連接，實(shí)現(xiàn)足地作用力數(shù)據(jù)的實(shí)時(shí)采集和處理； 所述步態(tài)數(shù)據(jù)處理與識(shí)別模塊(MD2)，是安裝在計(jì)算機(jī)(PC)中的軟件模塊，該模塊首先通過(guò)小波變換硬閾值法對(duì)采集到的足地作用力進(jìn)行去噪處理，然后通過(guò)步態(tài)特征提取方法提取步態(tài)頻域特征和步態(tài)時(shí)域特征來(lái)表征步態(tài)，再通過(guò)步態(tài)特征融合建立步態(tài)特征集，最后采用支持向量機(jī)分類器對(duì)步態(tài)進(jìn)行識(shí)別。
3.按權(quán)利要求2所述基于足地作用力的步態(tài)特征提取方法的步態(tài)識(shí)別系統(tǒng)，其特征在于所述步態(tài)數(shù)據(jù)處理與識(shí)別模塊(MD2)，是對(duì)獲取的步態(tài)數(shù)據(jù)進(jìn)行處理和特征提取并實(shí)現(xiàn)遠(yuǎn)距離隱蔽式步態(tài)識(shí)別的模塊，包括 步態(tài)數(shù)據(jù)去噪單元(MD21)，采用小波變換硬閾值法去除采集到的足地作用力中的工頻噪聲和電磁干擾等噪聲，獲取信噪比高的步態(tài)數(shù)據(jù)； 波形對(duì)齊單元(MD22)，采用所述波形對(duì)齊的步驟將采集到的所有人員樣本的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)將足地作用力自動(dòng)對(duì)齊； 樣本拆分單元(MD23)，采用所述樣本拆分的步驟將采集到的足地作用力按照足地作用力中的垂直支撐力曲線上的參考點(diǎn)拆分成多個(gè)分段足地作用力； 步態(tài)頻域特征提取單元(MD24)，采用所述步態(tài)頻域特征提取的步驟從經(jīng)過(guò)去噪和波形對(duì)齊，或再進(jìn)一步經(jīng)過(guò)樣本拆分處理的足地作用力中提取小波包分解系數(shù)來(lái)表征步態(tài)頻域特征； 步態(tài)時(shí)域特征提取單元(MD25)，采用所述步態(tài)時(shí)域特征提取的步驟從經(jīng)過(guò)去噪甚至經(jīng)過(guò)樣本拆分處理的足地作用力曲線上計(jì)算關(guān)鍵點(diǎn)處的力值和時(shí)相、相鄰關(guān)鍵點(diǎn)的變化率和沖量來(lái)表征步態(tài)時(shí)域特征； 步態(tài)特征融合單元(MD26)，采用模糊C均值算法從提取的步態(tài)頻域特征中挑選出最小最優(yōu)步態(tài)頻域特征子集，再與步態(tài)時(shí)域特征直接組合，得到融合后的步態(tài)特征集； 步態(tài)識(shí)別單元(MD27)，采用支持向量機(jī)分類器對(duì)從足地作用力中提取的步態(tài)特征進(jìn)行步態(tài)和身份識(shí)別。
全文摘要
本發(fā)明公開了一種基于足地作用力的步態(tài)特征提取方法及步態(tài)識(shí)別系統(tǒng)，該系統(tǒng)包括步態(tài)數(shù)據(jù)采集模塊和步態(tài)數(shù)據(jù)處理與識(shí)別模塊，步態(tài)數(shù)據(jù)采集模塊隱蔽無(wú)侵?jǐn)_地獲取步行時(shí)的足地作用力，步態(tài)數(shù)據(jù)處理與識(shí)別模塊從中提取步態(tài)特征并進(jìn)行步態(tài)識(shí)別；步態(tài)特征提取的步驟是采用小波變換硬閾值法對(duì)足地作用力去噪，再采用一階差分算法檢測(cè)關(guān)鍵點(diǎn)并計(jì)算步態(tài)時(shí)域特征，對(duì)足地作用力進(jìn)行波形對(duì)齊后采用小波包分解系數(shù)表征步態(tài)頻域特征。用于識(shí)別時(shí)，采用模糊C均值算法挑選出最優(yōu)步態(tài)特征集，再基于支持向量機(jī)對(duì)步態(tài)分類或識(shí)別。本發(fā)明采集的步態(tài)信息自然真實(shí)且不易被模仿，提取的步態(tài)特征全面準(zhǔn)確，可以更好地滿足步態(tài)分析、分類和遠(yuǎn)距離步態(tài)識(shí)別的需求。
文檔編號(hào)G06K9/00GK103049741SQ20121056272
公開日2013年4月17日 申請(qǐng)日期2012年12月21日 優(yōu)先權(quán)日2012年12月21日
發(fā)明者姚志明, 孫怡寧, 周旭, 劉遙, 李丹, 王重陽(yáng), 徐玉兵, 許勝?gòu)?qiáng) 申請(qǐng)人:中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院