本发明专利技术公开了一种基于足地作用力的步态特征提取方法及步态识别系统，该系统包括步态数据采集模块和步态数据处理与识别模块，步态数据采集模块隐蔽无侵扰地获取步行时的足地作用力，步态数据处理与识别模块从中提取步态特征并进行步态识别；步态特征提取的步骤是：采用小波变换硬阈值法对足地作用力去噪，再采用一阶差分算法检测关键点并计算步态时域特征，对足地作用力进行波形对齐后采用小波包分解系数表征步态频域特征。用于识别时，采用模糊C均值算法挑选出最优步态特征集，再基于支持向量机对步态分类或识别。本发明专利技术采集的步态信息自然真实且不易被模仿，提取的步态特征全面准确，可以更好地满足步态分析、分类和远距离步态识别的需求。
【技术实现步骤摘要】
本专利技术属于模式识别
，特别涉及基于足地作用力的步态特征提取方法及步态识别系统。
技术介绍
步态识别利用人走路的姿势实现对个人身份的识别或生理、病理和心理特征步态的分类、识别，是生物特征识别
中的一个新兴分支，具有其他生物特征识别技术共有的特性，即生物特征能随身携带，不需要记忆，具有唯一性和难以复制性等特点。同时，步态识别具有其他生物特征识别技术所不具有的独特优势，即步态信息可以远距离隐蔽且非接触地采集到，步态难以隐藏和伪装，是一种远距离生物特征识别技术。藉于此，步态识别应用前景广泛，尤其在安全敏感场所的身份识别或认证应用中更具潜力和优势。因为指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜、DNA、气味、签名、语音和击键等生物特征识别技术在实际应用时均需要被检对象近距离密切配合才能完成信息采集，不具备隐蔽性，易引起犯罪分子的察觉进而采取伪造和模仿等反侦察手段，不太适用于安全敏感场所的安全认证需求；而且，所用的指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜和气味等生理特征都是静态特征，易于伪造；击键、语音和签名这三种行为特征也容易被模仿；DNA鉴别技术虽然可靠性高，但采样也不是隐蔽式的，而且分析过程较长，要求高端的仪器设备，目前仅局限于实验室使用和法律鉴定中。因为具有独特优势，步态识别近十几年来被广泛关注和研究，步态特征提取方法和步态识别方法、系统是关注的焦点。相对而言，计算机视觉领域的步态识别研究最早，最活跃，成果也最多，但由于种种客观因素的制约，给步态识别的实际应用带来了许多挑战。比如，计算机视觉领域的步态识别无法准确鉴别出刻意模仿的步态真正是哪个人的，而实际上人们也可以在视觉形貌上将别人的步态模仿得很像，产生几乎一样的步态图像信息；步态图像或视频获取过程中可能会受到复杂背景和自身遮挡等因素的干扰，难以准确地检测出人体目标和抽取出鲁棒的步态特征。因此，需要研究和发展基于其他步态信息的身份识别方法和系统，以适应高科技时代的安全认证需求。另外，在基于步态的身份识别以及基于步态的生理、病理和心理特征步态的分类或识别应用中，步态特征是关键，当前的步态特征提取方法大多集中在以图像序列的傅里叶变换、小波变换和Radon变换等表征步态的运动学特征，而实际上步态还有动力学特征，但由于现有技术未能从多角度多层次提取步态特征，从而不可能全面准确地提取出反映步态运动学和动力学特征的步态特征。中国专利号ZL01144157. 7公开了一种通过人体步行的步态图像序列来识别人员的方法，但该方法由于使用普通摄像机拍摄步态图像，还不能完美地解决复杂背景、遮挡和噪声干扰的问题，无法应用于夜间无光照的室外，也没有考虑刻意模仿步态的问题。中国专利申请公开号CN101251894A公开的一种可昼夜使用的步态识别方法和系统，因为依然是基于步态图像的识别方法，仍然无法处理刻意模仿和遮挡问题。中国专利号ZL200410014352.9公开的一种由四个六轴力平台构成的多轴力平台阵列，并通过该平台阵列获取人体行走时动态步态信息的方法，该平台阵列可用于人体平衡能力、协调能力和神经系统功能的测试和分析，但并未涉及步态特征提取和步态识别的方法。美国专利US2002/0107649公开了一种检测步行时的声振荡信号的步态检测装置和步态检测方法，并用作个人识别系统，该个人识别系统要求在人体上放置麦克风(声-电转换器)，麦克风通过采集步行运动过程中的声振荡能量而获得电信号子集，使用此电信号子集作为一步的指标来检测步行周期，收集表示脚着地时的声振荡的信号子集，系统基于此信号子集提取人体特定的步态特征，并将其用于个人识别。但是该个人识别系统有两个不足一是着地时的声振荡随着麦克风在人体上的放置部位而改变；二是由于受麦克风周围噪音和电噪声的主要影响，不能准确地确定表示脚着地时的声振荡电信号，也就难以准确地提取步态波形的特征。专利申请国际公布号W0/2004/040501公开了一种以规定频带内的波形峰值振幅作为参考指标，并从电场位移检测器中检测到的电信号中确定一步的步态波形和提取步态波形特征的方法和个人识别系统，该方法不受左、右腿之间的电荷干涉和传感器在身体上的安装部位影响，但由于电磁干扰会严重影响检测电信号的准确度，不适用于存在复杂电磁干扰的环境中。而且，美国专利US 2002/0107649A1和国际公布号W0/2004/040501所公开的技术方案中，其步态信息仍然是依靠安置在身体上的传感器采集，仍然是接触式测量方式，被测者能觉察得到，犯罪分子很容易因觉察而采取反侦察手段蒙混过关或被激怒以致于在人群中制造恐怖事件。
技术实现思路
本专利技术的目的是提出一种能够更为全面准确地表征人自然步行时运动学和动力学特征的步态特征提取方法，并以此方法为基础，提出一种既能消除复杂背景和遮挡等外界因素干扰，同时又能最大限度地避免蒙混过关情况的基于足地作用力的步态识别系统，以隐蔽且无侵扰地对人员进行身份识别，避免引起人权纠纷，可实现昼夜远程监控，最大限度地避免蒙混过关情况，特别适用于海关、机场、博物馆、晚会现场、银行和金库等安全敏感场所的身份识别，也适用于各类步态的自动分类和鉴别。本专利技术的基于足地作用力的步态特征提取方法，其特征在于包括步态频域特征提取和步态时域特征提取；所述步态频域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征；所述步态时域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征；所述足地作用力包括左右剪切力、前后剪切力和垂直支撑力；所述步态频域特征提取的步骤如下频域第一步Sll :采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机PC中；频域第二步S12 :采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；频域第三步S13:挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；频域第四步S14:以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力；频域第五步S15 :根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步S18 ;如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步S16 ；频域第六步S16 :需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量;频域第七步S17 :采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征；频域第八步本文档来自技高网...
【技术保护点】
一种基于足地作用力的步态特征提取方法，其特征在于，包括步态频域特征提取和步态时域特征提取：所述步态频域特征提取是指：将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征；所述步态时域特征提取是指：将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征；所述足地作用力包括左右剪切力、前后剪切力和垂直支撑力；所述步态频域特征提取的步骤如下：频域第一步（S11）：采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机（PC）中；频域第二步（S12）：采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；频域第三步（S13）：挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；频域第四步（S14）：以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力；频域第五步（S15）：根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步（S18）；如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步（S16）；频域第六步（S16）：需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；频域第七步（S17）：采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征；频域第八步（S18）：不需要扩充样本时，采用L层小波包分解算法从波形对齐后的足地作用力中提取出全程的步态频域特征；所述步态时域特征提取的步骤如下：时域第一步（S21）：通过三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机（PC）中；时域第二步（S22）：采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；时域第三步（S23）：采用一阶差分算法分别检测出去噪后的足地作用力中的前后剪切力曲线和垂直支撑力曲线上的波峰点和波谷点，将波峰点和波谷点作为足地作用力曲线的关键点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；时域第四步（S24）：根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行时域第七步（S27）；如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行时域第五步（S25）；时域第五步（S25）：需要扩充样本时，以足地作用力曲线的参考点为基准，对去噪后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；时域第六步（S26）：以每一个分段足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征分段的步态时域特征；时域第七步（S27）：不需要扩充样本时，以去噪后的足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征全程的步态时域特征；所述波形对齐的步骤如下：波形对齐第一步：采用线性插值算法将去噪后的足地作用力数据的维数归一化到同一值G×Np，Np为使用的三维力测力板的总数，G为与采样频率相关的步距参数，将G设定为50的整数倍；波形对齐第二步：通过一阶差分算法搜索出维数归一化后的足地作用力中的垂直支撑力曲线上的n个波谷点，将n个波谷点作为参考点；波形对齐第三步：以垂直支撑力曲线上的参考点为参照，通过线性插值将足地作用力中的左右剪切力曲线、前后剪切力...
【技术特征摘要】
1.一种基于足地作用力的步态特征提取方法，其特征在于，包括步态频域特征提取和步态时域特征提取 所述步态频域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征； 所述步态时域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征； 所述足地作用力包括左右剪切力、前后剪切力和垂直支撑力； 所述步态频域特征提取的步骤如下 频域第一步(SI I):采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机(PC)中； 频域第二步(S12):采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力； 频域第三步(S13):挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考占. 频域第四步(S14):以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力； 频域第五步(S15):根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步(S18);如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步(S16); 频域第六步(S16):需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；频域第七步(S17):采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征； 频域第八步(S18):不需要扩充样本时，采用L层小波包分解算法从波形对齐后的足地作用力中提取出全程的步态频域特征； 所述步态时域特征提取的步骤如下 时域第一步(S21):通过三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机(PC)中； 时域第二步(S22):采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力； 时域第三步(S23):采用一阶差分算法分别检测出去噪后的足地作用力中的前后剪切力曲线和垂直支撑力曲线上的波峰点和波谷点，将波峰点和波谷点作为足地作用力曲线的关键点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点； 时域第四步(S24):根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行时域第七步(S27);如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行时域第五步(S25); 时域第五步(S25):需要扩充样本时，以足地作用力曲线的参考点为基准，对去噪后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量； 时域第六步(S26):以每一个分段足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征分段的步态时域特征； 时域第七步(S2...
【专利技术属性】
技术研发人员：姚志明，孙怡宁，周旭，刘遥，李丹，王重阳，徐玉兵，许胜强，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。