【正文】 究，如何選擇性能互補的特征、如何優(yōu)化具有冗余信息的特征、如何采用不同層次的融合策略來提升算法性能也亟需進一步研究。而基于步態(tài)特征的身份識別技術(shù)就是解決這一問題的有效手段之一。對患有神經(jīng)系統(tǒng)或骨骼肌肉系統(tǒng)疾病而可能影響行走能力的患者需要進行步態(tài)分析 ,以評估患者是否存在異常步態(tài)以及步態(tài)異常的性質(zhì)和程度 ,從而為分析異常步態(tài)原因和矯正異常步態(tài)、制定治療方案提供必要的依據(jù)。 許多客觀因素的存在 ,給步態(tài)的最終識別帶來了困難 ,如何更準(zhǔn)確地識別步態(tài)特征 ,是步態(tài)識別領(lǐng)域面臨的難題。其中最近鄰分類器是根據(jù)歐幾里得距離對已知向量和待識別量進行比對 ,該方法沒有深入挖掘數(shù)據(jù)內(nèi)部包含的變化信息 ,即 :哪種數(shù)據(jù)變化屬于同一個體內(nèi)部變化信息引起的 ,哪種變化是由于不同個體之間的差別造成的。如何解決這個問題 ,一直困擾著許多研究者。另外 ,同一個人身著不同種類的鞋和衣服 ,也會導(dǎo)致身體在二維平面的投影出現(xiàn)變化 ,對于基于統(tǒng)計特征的方法而言 ,顯然會造成影響。總之 ,步態(tài)識別是涉及生理學(xué)、神經(jīng)科學(xué)以及心理學(xué)等眾多學(xué)科的一門邊緣學(xué)科 ,因此今后人們也必須借鑒生物生理模型、行 為模型和心理模型的研究成果 ,最大限度地獲取各種信息并且有機地集成起來加以利用 ,以便提高步態(tài)識別系統(tǒng)的正確識別率。其次 ,研究對海量步態(tài)數(shù)據(jù)的分布式檢索比對方法 ,以便提高識別速度 。另外 ,可用于研究人員使用的數(shù)據(jù)庫目前大部分提供的都是兩維形象 ,并且很大程度上取決于照相機的角度 ,這也在很大程度上嚴重制約了步態(tài)識別的研究。這是因為 ,樣本數(shù)量越大 ,出錯的機會就越多 。 識別算法問題：目前已有幾種常用的模式分類器應(yīng)用于步態(tài)識別 ,但是尚且處于實驗研究階段 ,沒有一種完美無缺的算法 ?！?90。為此可通過對步行規(guī)律的研究 ,分析人體骨骼、關(guān)節(jié)的三維空間定位以及生物力學(xué)特性 ,準(zhǔn)確評價人體各部位在運動過程中的動態(tài)變化 ,從而揭示步態(tài)異常的病理原因。美國 9可以用統(tǒng)計的方法從已有圖像信息中進行人體姿勢、位置等的估計和預(yù)測。 4)特征級融合算法在步速變化的實驗中得到了最好的識別結(jié)果 (說明決策級融合算法性能的提高更容易受特征算法識別結(jié)果的影響。算法識別率采用 5 階 CMS 結(jié)果的平均值。 l為訓(xùn)練樣本序 列中和測試樣本子序列進行比較的起始幀 l=0,1,...,n gN 。令 ），（ 00 yx 和 ），（ 11 yx 分別為肢體兩端的關(guān)節(jié)點所在位置、則肢體夾角計算如下 :0101tana yy xxrc ???? (2) 圖 6 人體骨架及骨骼化模型 8 步驟 4 確定步態(tài)參數(shù) )通過上述討論，可以看出在骨骼化模型中一共有 23 維參數(shù)特征，關(guān)節(jié)點位置 2*8=16 維，肢體角度 7 維。既能壓縮圖像信息。如行走過程中主要關(guān)節(jié)點位置的變化 (肢體間角度的變化等、本文分別研究了使用特征級和決策級融合’加法規(guī)則和乘法規(guī)則理論進行步態(tài)識別的方法、算法流程如圖 3 圖 4 所示。在決策級融合中。充分利用特征級融合所提取的測量對象的各類特征信息。其優(yōu)點是實現(xiàn)了可觀的信息壓縮有利于實時的目標(biāo)識別。 二、 相關(guān)研究 信息融合：感知融合是人類感知外部世界的本能之一。尼克松教授的研究顯示，人人都有截然不同的走路姿勢，因為人們在肌肉的力量、肌腱和骨骼長度、骨骼密度、視覺的靈敏程度、協(xié)調(diào)能力、經(jīng)歷、體重、重心、肌肉或骨骼受損的程度、生理條件以及個人走路的 風(fēng)格 上都存在細微差異。 對步態(tài)識別的優(yōu)缺點以及步態(tài)識別所涉及到的運動分割、特征提取與選擇、模式識別算法進行了綜述 ,并對步態(tài)識別中存在的問題與未來的研究方向進行了討論。特征提取 。步態(tài)識別的輸入是一段行走的視頻圖像序列， 因此其數(shù)據(jù)采集與面像識別類似，具有非侵犯性和可接受性。 信息融合的基本原理就像人腦綜合處理信息一樣充分利用多源信息通過對這些多源的觀測信息的合理支配和使用把多源信息在空間或時間上的冗余或互補依據(jù)某種準(zhǔn)則來進行組合以獲得被測對象的一致性解釋或描述。先將多源傳感信息對目標(biāo)屬性進行獨立決策。 圖 2 決策級融合算法一般流程 三、 主題（算法） 信息融合在其他生物特征識別領(lǐng)域已經(jīng)取得了很好的效果。通常使用的合并規(guī)則有加法規(guī)則、乘法規(guī)則、最大規(guī)則、最小規(guī)則、中值規(guī)則和多數(shù)投票規(guī)則等?？梢缘玫讲綉B(tài)序列中每幀圖像的單連通人體運動區(qū)域、為了去除圖像中存在的大量冗余信息并減小計算量。 步驟 2 根據(jù)解剖學(xué)中人體各部分肢體占身高的比例關(guān)系。 然而，伸長度中的除法運算常常會消除掉一些有用的信息、例如一個拍攝距離較遠的又高又胖的人可能會和一個拍攝距離較近的又矮又瘦的人擁有同樣的伸長度、因此單獨使用伸長 度 很 難 將 目 標(biāo) 區(qū) 分 開 來 ) 為 了 克 服 上 述 缺 點 、 又 引 入 了 空 間 度 特征 : ? ?? ? ?? n 1 1 )1,0(),(),(i mj jiPjiPS (4)空間度代表了二值側(cè)影目標(biāo)中前景像素的數(shù)目。該數(shù)據(jù)庫包含 25 人、每人 6 個視角 4 種走路姿勢。Test:slow)的識別校驗性能曲線 11 圖 9 實驗 3(CMU 數(shù)據(jù)庫， Train:fast。一種步態(tài)識別方法在不同數(shù)據(jù)庫上的識別結(jié)果可能會不同，使用不同評價標(biāo)準(zhǔn)對每種算法進行評價所得到的評價結(jié)果也是不同的，也不具有可比性。 七、 應(yīng)用前景 隨著我們逐漸邁入數(shù)字時代