【正文】 ,因而步態(tài)識(shí)別問題的研究成果有可能擴(kuò)展應(yīng)用于解決計(jì)算機(jī)視覺領(lǐng)域里的其他問題 ,如區(qū)分不同的運(yùn)動(dòng) (走路、跑步、打網(wǎng)球的擊球動(dòng)作 )、手語的解釋等。 八、 技術(shù)難點(diǎn)及解決途徑 步態(tài)識(shí)別是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域內(nèi)一個(gè)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(jì)并實(shí)現(xiàn)一個(gè)實(shí)用性強(qiáng)的步態(tài)識(shí)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(shí)別的計(jì)算較復(fù)雜 ,識(shí)別的準(zhǔn)確度還不夠高。目前該系統(tǒng)的準(zhǔn)確率在 80。～ 90。 ,準(zhǔn)確性低于第一代身份識(shí)別技術(shù)。 許多客觀因素的存在 ,給步態(tài)的最終識(shí)別帶來了困難 ,如何更準(zhǔn)確地識(shí)別步態(tài)特征 ,是步態(tài)識(shí)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?yàn)樘卣鞅旧頉]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(jì)算機(jī)視覺的系統(tǒng)去提取。從計(jì)算的角度來看 ,從低質(zhì)量和沒有標(biāo)記的視頻序列中對(duì)運(yùn)動(dòng)物體進(jìn)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(jī)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(yùn)動(dòng)目標(biāo)的有效檢測對(duì)于目標(biāo)識(shí)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(gè)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(shí)別過程必然會(huì)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(biāo)檢測非常困難。如何消除復(fù)雜背景的影響 ,準(zhǔn)確提取運(yùn)動(dòng)人體的目標(biāo)特征 , 成為步態(tài)特征提取以及后續(xù)處理的關(guān)鍵。 識(shí)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(shí)別 ,但是尚且處于實(shí)驗(yàn)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(diǎn)。其中最近鄰分類器是根據(jù)歐幾里得距離對(duì)已知向量和待識(shí)別量進(jìn)行比對(duì) ,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(gè)體內(nèi)部變化信息引起的 ,哪種變化是由于不同個(gè)體之間的差別造成的。其次 ,最近鄰分類技術(shù)對(duì)于權(quán)重大小的分配具有不可靠性 ,這在步態(tài)識(shí)別以及數(shù)據(jù)融合中是非常 重要的因素。對(duì)步態(tài)數(shù)據(jù)進(jìn)行簡單的融合也會(huì)嚴(yán)重影響步態(tài)識(shí)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(jì)學(xué) ,采用的是樣本數(shù)目趨于無窮大時(shí)的漸進(jìn)理論。然而在步態(tài)識(shí)別的實(shí)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(shí)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(huì)出現(xiàn)隨著樣本數(shù)的增多 ,識(shí)別率會(huì)有所下降。這是因?yàn)?,樣本數(shù)量越大 ,出錯(cuò)的機(jī)會(huì)就越多 。根據(jù)步態(tài)識(shí)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(gè)體之間的差別就會(huì)縮小。如何解決這個(gè)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(shí)別的外界因素也很多。 Laszlo 等認(rèn)為地面狀況影響一個(gè)人走路的平衡性 ,從而對(duì)步態(tài)識(shí)別會(huì)產(chǎn)生影響。 Murray 等認(rèn)為受傷尤其是腿部的傷害會(huì)嚴(yán)重影響一個(gè)人的步態(tài)。 von Tscharner 等證實(shí)赤腳與鞋子類型均會(huì)影響步態(tài)識(shí)別。觀測角度、攜帶物品狀況、觀測時(shí)間等 ,這些因素都嚴(yán)重影響著步態(tài)特征的識(shí)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(jī)的角度 ,這也在很大程度上嚴(yán)重制約了步態(tài)識(shí)別的研究。遮擋現(xiàn)象在實(shí)際應(yīng)用中隨時(shí)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(gè)人身著不同種類的鞋和衣服 ,也會(huì)導(dǎo)致身體在二維平面的投影出現(xiàn)變化 ,對(duì)于基于統(tǒng)計(jì)特征的方法而言 ,顯然會(huì)造成影響。 15 隨著圖像處理、模式識(shí)別、人工智能以及生物心理學(xué)的研究進(jìn)展 ,步態(tài)識(shí)別技術(shù)也將會(huì)獲得更大的發(fā)展。在一些高級(jí)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(shí)別技術(shù)的融合方法 ,這也是生物特征識(shí)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(shí)別難題的有效方法。另外支持向量機(jī)、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(huì)給現(xiàn)有方法帶來很大改進(jìn)。 從提高步態(tài)識(shí)別系統(tǒng)實(shí)用性能的角度 ,步態(tài)識(shí)別技術(shù)可以在以下幾方面做出努力 :首先 ,進(jìn)一步研究特征提取算法和識(shí)別算法 ,提高識(shí)別精度 。其次 ,研究對(duì)海量步態(tài)數(shù)據(jù)的分布式檢索比對(duì)方法 ,以便提高識(shí)別速度 。最后 ,提高系統(tǒng)的適用性 ,降低對(duì)應(yīng)用環(huán)境的條件限制?？傊?,步態(tài)識(shí)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(jī)地集成起來加以利用 ,以便提高步態(tài)識(shí)別系統(tǒng)的正確識(shí)別率。 另外 ,將紅外步態(tài)序列圖像用于識(shí)別的研究還比較少 ,目前只是停留在對(duì)紅外圖像進(jìn)行運(yùn)動(dòng)學(xué)分析。因此紅外步態(tài)識(shí)別也有可能是一種有效的解決方法。 九、 參考文獻(xiàn) 【 1】步態(tài)識(shí)別研究現(xiàn)狀與進(jìn)展 _薛召軍 【 2】步態(tài)識(shí)別關(guān)鍵技術(shù)研究 _盧官明 【 3】融合理論在步態(tài)識(shí)別中的應(yīng)用研究 _柴艷妹