【正文】 因此紅外步態(tài)識(shí)別也有可能是一種有效的解決方法。總之 ,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(lái)加以利用 ,以便提高步態(tài)識(shí)別系統(tǒng)的正確識(shí)別率。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 。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(lái)很大改進(jìn)。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(yǔ)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(shì)。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。另外 ,可用于研究人員使用的數(shù)據(jù)庫(kù)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。 von Tscharner 等證實(shí)赤腳與鞋子類型均會(huì)影響步態(tài)識(shí)別。 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。如何解決這個(gè)問(wèn)題 ,一直困擾著許多研究者。這是因?yàn)?,樣本數(shù)量越大 ,出錯(cuò)的機(jī)會(huì)就越多 。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(zhǎng)處的分類方法在實(shí)際應(yīng)用中卻可能不盡人意。對(duì)步態(tài)數(shù)據(jù)進(jìn)行簡(jiǎn)單的融合也會(huì)嚴(yán)重影響步態(tài)識(shí)別率。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(méi)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。 識(shí)別算法問(wèn)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(méi)有一種完美無(wú)缺的算法 。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(jué)模式 ,圖像獲取過(guò)程中的不確定性 ,使得步態(tài)識(shí)別過(guò)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(cè)非常困難。從計(jì)算的角度來(lái)看 ,從低質(zhì)量和沒(méi)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。 許多客觀因素的存在 ,給步態(tài)的最終識(shí)別帶來(lái)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。～ 90。由于人的行走姿勢(shì)受各種因素的影響 ,在不同環(huán)境條件下行走姿勢(shì)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。 另外 ,步態(tài)識(shí)別問(wèn)題是人的運(yùn)動(dòng)分析的一個(gè)子問(wèn)題 ,因而步態(tài)識(shí)別問(wèn)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(jué)領(lǐng)域里的其他問(wèn)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(yǔ)的解釋等。對(duì)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(jìn)行步態(tài)分析 ,以評(píng)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)。為此可通過(guò)對(duì)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(píng)價(jià)人體各部位在運(yùn)動(dòng)過(guò)程中的動(dòng)態(tài)變化 ,從而揭示步態(tài)異常的病理原因。 在臨床工作中 ,對(duì)人體行走方式進(jìn)行客觀記錄并對(duì)步行功能進(jìn)行系統(tǒng)評(píng)價(jià) ,是康復(fù)評(píng)定的重要組成部分。預(yù)計(jì) 5 年后 ,步態(tài)識(shí)別機(jī)將實(shí)現(xiàn)商品化。而基于步態(tài)特征的身份識(shí)別技術(shù)就是解決這一問(wèn)題的有效手段之一。美國(guó) 9美國(guó)國(guó)防高級(jí)研究計(jì)劃署 (DARPA)資助的遠(yuǎn)距離身份識(shí)別 HID(Human I dentification at a Distance)計(jì)劃 ,其任務(wù)就是開發(fā)多模式、大范圍的視覺(jué)監(jiān)控技術(shù)以實(shí)現(xiàn)遠(yuǎn)距離條件下的檢測(cè)、分類和識(shí)別 ,從而增強(qiáng)國(guó)防、民用等場(chǎng)合免受恐怖襲擊的自動(dòng)保護(hù)能力。對(duì)于諸如軍事基地、停車場(chǎng)、機(jī)場(chǎng)、高檔社區(qū)等重要場(chǎng)所 ,出于管理和安全的需要 ,人們必須知道該區(qū)域內(nèi)發(fā)生的事件 ,并有效準(zhǔn)確地識(shí)別人、快速檢測(cè)威脅并且提供不同人員的進(jìn)入權(quán)限級(jí)別 ,于是采用某種特定方法來(lái)監(jiān)視該場(chǎng)景。 隨著對(duì)步態(tài)識(shí)別中融合技術(shù)更深 入的研究，如何選擇性能互補(bǔ)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(lái)提升算法性能也亟需進(jìn)一步研究?？梢杂媒y(tǒng)計(jì)的方法從已有圖像信息中進(jìn)行人體姿勢(shì)、位置等的估計(jì)和預(yù)測(cè)。 影響步態(tài)識(shí)別正確率的因素很多，如何采取相應(yīng)的措施克服各種因素的影響，以達(dá)到期望的性能仍是研究的難點(diǎn)。基于自身數(shù)據(jù) 量大、計(jì)算復(fù)雜的特點(diǎn)，不可能將所有步態(tài)識(shí)別算法在每個(gè)數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試。目前的數(shù)據(jù)庫(kù)規(guī)模較小且不夠全面。 4)特征級(jí)融合算法在步速變化的實(shí)驗(yàn)中得到了最好的識(shí)別結(jié)果 (說(shuō)明決策級(jí)融合算法性能的提高更容易受特征算法識(shí)別結(jié)果的影響。 2)對(duì)于相同步速的實(shí)驗(yàn)來(lái)說(shuō) (使用決策級(jí)融合算法結(jié)果更好 (而且乘法規(guī)則明顯優(yōu)于加法規(guī)則。Test:slow)的識(shí)別校驗(yàn)性能曲線 圖 10 實(shí)驗(yàn) 4(CMU 數(shù)據(jù)庫(kù)， Train:slow。Test:fast)的識(shí)別校驗(yàn)性能曲線 圖 8 實(shí)驗(yàn) 2(CMU 數(shù)據(jù)庫(kù)， Train:slow。算法識(shí)別率采用 5 階 CMS 結(jié)果的平均值。為了便于進(jìn)行評(píng)價(jià) (需要將數(shù)據(jù)庫(kù)中每個(gè)樣本序列按照步態(tài)周期拆分為若干子序列、每個(gè)快步走序列大約包含 8 個(gè)步態(tài)周期 (每個(gè)慢步走序列大約包含 7 個(gè)步態(tài)周期 )(再為每人隨機(jī)抽取一個(gè)步態(tài)周期作為測(cè)試集 (其余步