【正文】 態(tài)周期序列作為訓練集 (來進行步態(tài)識別。快走 )慢走 )上坡和抱球共 24 個序列，每個序列 340 幀左右、重點 測試了步速對算法的性能影響。 四、 實驗 我們分別對僅基于整體形狀特征的算法 )僅基于動態(tài)模型特征的算法 )特征級融合算法以及運用了加法和乘法規(guī)則的決策級融合算法進行了實驗和比較（見圖 7圖 10）實驗數(shù)據采用了來自于卡耐基梅隆大學的 CMU 數(shù)據庫。 l為訓練樣本序 列中和測試樣本子序列進行比較的起始幀 l=0,1,...,n gN 。 2)對任意一個序列 },...,{ 21 NXXXX ? 計算出它的步態(tài)周期 n(nN)是它的幀數(shù) ,并將其分成[N/n]個子序列 .其中 ,第 k 個子序列可表示為 },. .. ,{ 21 nkkk XXXkX ????）（ 。同樣、兩種靜態(tài)參數(shù)特征也需要進行幅度上的歸一化運算。 側影的寬度和高度信息是決定目標形狀的兩個重要因素，寬度代表了運動目標的胖瘦程度、高度則代表了運動目標的身高 )身高和胖瘦是人類視覺系統(tǒng)進行身份識別的主要依據之一、但是這兩個參數(shù)常常隨著攝像機拍攝距離的變化而變化 )例如、同樣焦距下、一個高個子目標由于拍攝距離較遠會顯得比近處的 矮個子目標還要矮小 )寬度所代表的胖瘦信息也是如此 )因此、它們都不可以單獨作為形體特征來進行步態(tài)識別 )為了消除這種誤差、本文算法采用了側影的伸長度作為基于整體的形態(tài)特征、即： HWE? (3)式中 W 代表側影的寬度 ,H 代表側影的高度。令 ），（ 00 yx 和 ），（ 11 yx 分別為肢體兩端的關節(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，關節(jié)點位置 2*8=16 維，肢體角度 7 維。 圖 5 簡化的人體比例關系圖 步驟 3 進一步計算出骨骼化模型中各部分肢體所形成的角度、這里取肢體與豎直線的角度 )這 7 個角度分別包括。來提取人體的關節(jié)點位置、即對人體骨架進行掃描。 4) ewDn 即為所求區(qū)域的骨架像素的集合。既能壓縮圖像信息。然后根據該骨架信息和解剖學知識共同得到各個關節(jié)點的位置及相互間形成的角度。進一步使用圖像模板化技術將目標縮放到固定大小的圖像 模板中（見圖 6（ a））步態(tài)的靜態(tài)和動態(tài)特征都是從二值化側影的目標模板中提取的。首先要將運動目標從背景圖像中分割出來、通過背景減除二值化及陰影消除后。如行走過程中主要關節(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。例如形體高度胖瘦等。 為了進一步研究融合理論在步態(tài)識別中的應用。則各個分類器得到的匹配分值可用 Bayes 理論 DS 證據理論、表決法、 6 聚類分析、模板法、模糊集合論、神經網絡、熵法等進行合并。在決策級融合中。常采用特征級 融合和決策級融合兩類方法。也為步態(tài)識別性能的進一步提高提供了可能的方法。常用的方法包括 k/n 準則、 Bayes 準則和 DempsterShafer 理論等。充分利用特征級融合所提取的測量對象的各類特征信息。并且處理時間較短 )難點在于分類特征組合與表達的機理難以量化和統(tǒng)一圖 2給出了決策級融合算法的一般流程。再對各自得到的決策結果進行融合以獲得整體一致的決策。 圖 1 特征級融合算法一般流程 ? 決策級融合是一種高層次融合。其優(yōu)點是實現(xiàn)了可觀的信息壓縮有利于實時的目標識別。 5 ? 特征級融合屬于中間層次它先對原始信息進行特征提取然后對特征信息進行關聯(lián)處理和綜合分析最終用于目標識別。按照信息抽象的個層次可將信息融合分為 3級（像素級融合特征級融合和決策級融合）。融合理論正是對人類這一本能的模仿旨在利用計算機技術對按時序獲得的多源觀測信息在一定準則下加以自動分析綜合以完成所需的決策和估計任務而進行的信息處理過程。 二、 相關研究 信息融合：感知融合是人類感知外部世界的本能之一。步態(tài)識別主要提取的特征是人體每個關節(jié)的運動。但是，由于序列圖像的數(shù)據量較大，因此步態(tài)識別的計算復雜性比較高，處理起來也比較困難。 人類自身很善于進行步態(tài)識別，在一定距離之外都有經驗能夠根據人的步態(tài)辨別出熟悉的人。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)調能力、經歷、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 風格 上都存在細微差異。罪犯或許會給自己化裝，不讓自己身上的哪怕一根毛發(fā)掉在作案現(xiàn)場，但有樣東西他們是很難控制的，這就是走路 的姿勢。運動分割 。步態(tài)識別 。 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。 1 課程論文 步態(tài)識別 學號： 12426009 班級：通信 122 姓名：楚舒琦 2 目錄 摘要 .............................