【正文】 ,因而步態(tài)識別問題的研究成果有可能擴展應(yīng)用于解決計算機視覺領(lǐng)域里的其他問題 ,如區(qū)分不同的運動 (走路、跑步、打網(wǎng)球的擊球動作 )、手語的解釋等。 八、 技術(shù)難點及解決途徑 步態(tài)識別是計算機視覺和模式識別領(lǐng)域內(nèi)一個非常新的研究方向 ,近 10 年來 ,研究者在這方面取得了許多成績 ,但是要設(shè)計并實現(xiàn)一個實用性強的步態(tài)識別系統(tǒng)非常復(fù)雜并且困難。由于人的行走姿勢受各種因素的影響 ,在不同環(huán)境條件下行走姿勢有或多或少的變化 ,因此步態(tài)識別的計算較復(fù)雜 ,識別的準確度還不夠高。目前該系統(tǒng)的準確率在 80?！?90。 ,準確性低于第一代身份識別技術(shù)。 許多客觀因素的存在 ,給步態(tài)的最終識別帶來了困難 ,如何更準確地識別步態(tài)特征 ,是步態(tài)識別領(lǐng)域面臨的難題。然而 ,醫(yī)學(xué)研究所確定的特征 ,或者因為特征本身沒有可重復(fù)性 ,或者由于觀察角度的限制和自遮擋問題 ,并不適于基于計算機視覺的系統(tǒng)去提取。從計算的角度來看 ,從低質(zhì)量和沒有標記的視頻序列中對運動物體進行跟蹤和分割的算法的不精確性導(dǎo)致了所提取特征的不可靠性 ,而由攝像機深度和角度不同造成的透視的影響 使特征提取工作變得十分繁重。 14 復(fù)雜背景的干擾：運動目標的有效檢測對于目標識別、跟蹤和行為理解等后期的處理是非常重要的。步態(tài)序列圖像是一個復(fù)雜、具有非常高維數(shù)的視覺模式 ,圖像獲取過程中的不確定性 ,使得步態(tài)識別過程必然會受到各種外界因素的干擾 ,從而使得復(fù)雜背景圖像中的目標檢測非常困難。如何消除復(fù)雜背景的影響 ,準確提取運動人體的目標特征 , 成為步態(tài)特征提取以及后續(xù)處理的關(guān)鍵。 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 。常見的方法有最近鄰 (Nearestneighbor,NN)分類、人工神經(jīng)網(wǎng)絡(luò) (Artificial neural work,ANN)及隱馬爾可夫模型 (Hidden markov model,HMM)等 ,這些方法有許多弱點。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。其次 ,最近鄰分類技術(shù)對于權(quán)重大小的分配具有不可靠性 ,這在步態(tài)識別以及數(shù)據(jù)融合中是非常 重要的因素。對步態(tài)數(shù)據(jù)進行簡單的融合也會嚴重影響步態(tài)識別率。而人工神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型的理論基礎(chǔ)是經(jīng)典統(tǒng)計學(xué) ,采用的是樣本數(shù)目趨于無窮大時的漸進理論。然而在步態(tài)識別的實際研究中 ,樣本數(shù)目往往有限 ,故這些在理論上有顯著長處的分類方法在實際應(yīng)用中卻可能不盡人意。另外 ,由于這些算法本身存在的問題 ,就會出現(xiàn)隨著樣本數(shù)的增多 ,識別率會有所下降。這是因為 ,樣本數(shù)量越大 ,出錯的機會就越多 。根據(jù)步態(tài)識別的特征來看 ,樣本數(shù)的增加導(dǎo)致特征空間出現(xiàn)擁擠現(xiàn)象 ,個體之間的差別就會縮小。如何解決這個問題 ,一直困擾著許多研究者。 環(huán)境因素干擾：影響步態(tài)識別的外界因素也很多。 Laszlo 等認為地面狀況影響一個人走路的平衡性 ,從而對步態(tài)識別會產(chǎn)生影響。 Murray 等認為受傷尤其是腿部的傷害會嚴重影響一個人的步態(tài)。 von Tscharner 等證實赤腳與鞋子類型均會影響步態(tài)識別。觀測角度、攜帶物品狀況、觀測時間等 ,這些因素都嚴重影響著步態(tài)特征的識別。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。遮擋現(xiàn)象在實際應(yīng)用中隨時都可能出現(xiàn) ,人的步行存在著攜帶諸如提包、雨傘、背包等足以改變外形、掩蓋部分人體的現(xiàn)象。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。 15 隨著圖像處理、模式識別、人工智能以及生物心理學(xué)的研究進展 ,步態(tài)識別技術(shù)也將會獲得更大的發(fā)展。在一些高級信息安全的應(yīng)用中 ,需要研究步態(tài)與人臉、指紋、虹膜、語音等識別技術(shù)的融合方法 ,這也是生物特征識別技術(shù)的發(fā)展趨勢。因此多分類器的混合使用、基于步態(tài)的多生物特征融合、 3 D 人體建模以及利用外部環(huán)境模型等 ,都將是 未來研究發(fā)展的方向 ,也是今后解決步態(tài)識別難題的有效方法。另外支持向量機、混合概率模型和隱馬爾可夫模型都是很有潛力的新方法 ,可能會給現(xiàn)有方法帶來很大改進。 從提高步態(tài)識別系統(tǒng)實用性能的角度 ,步態(tài)識別技術(shù)可以在以下幾方面做出努力 :首先 ,進一步研究特征提取算法和識別算法 ,提高識別精度 。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 。最后 ,提高系統(tǒng)的適用性 ,降低對應(yīng)用環(huán)境的條件限制?？傊?,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。 另外 ,將紅外步態(tài)序列圖像用于識別的研究還比較少 ,目前只是停留在對紅外圖像進行運動學(xué)分析。因此紅外步態(tài)識別也有可能是一種有效的解決方法。 九、 參考文獻 【 1】步態(tài)識別研究現(xiàn)狀與進展 _薛召軍 【 2】步態(tài)識別關(guān)鍵技術(shù)研究 _盧官明 【 3】融合理論在步態(tài)識別中的應(yīng)用研究 _柴艷妹