一种新的步态图像序列分割算法

在运动目标步态识别中,从步态图像序列中提取出完整的人体运动轮廓对特征提取、目标分类和目标识别等有着非常重要的意义。提出了一种新的运动目标分割算法：首先应用改进的块匹配算法进行运动估计;然后运用分水岭算法把当前帧图像分割成许多封闭而不重叠的小区域;最后运用仿射参数模型进行运动块区域合并。在CMU步态数据库中采用基准算法进行的实验表明,运用所提出的算法能够提取出完整的人体轮廓,进一步提高步态识别的识别率。     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

基于三维步态特征的步态识别方法

研究步态识别问题,针对在当前二维步态识别系统中,识别过程仅仅针对灰度、平面几何距离等二维特征信息,忽略了人体走路时的三维步态特征,步态识别准确度不高的问题.提出了一种加入三维参数的步态识别算法.利用摄像机采集单帧步态图像序列,利用身体结构的知识和摄像机标定的知识提取出人体走步时的人体三维特征数据,利用提取出二维和三维的步态特征,进行步态识别.结果表明相对于以二维步态特征为参数的步态识别,识别率有了明显改进.     

步态骨骼模型的协同表示识别方法

针对目前步态识别中极易受到服饰和携带物等影响的难题,提出一种基于Kinect获取骨骼模型的步态识别新方法。对步态3D骨骼模型提取人体总质心,并与在步态周期中富有运动特征的人体四肢分质心的活动信息结合,分别得到动态与静态特征。动态特征可看作是周期信号,使用小波分解和带高斯滤波的离散傅里叶变换进行频谱处理,消除了外界干扰并增强了特征之间的差异性。通过动态时间规整算法把步态骨骼特征投影到相异空间,用协同表示进行匹配和归一化加权融合,最后根据最近邻算法进行分类识别。实验证明,该方法与稀疏表示识别算法相比得到了较为理想的识别效果,为步态识别在身份认证的应用领域提供了可靠的理论基础。     

基于特征融合的步态识别算法

步态运动中包含人体形状信息和运动信息,目前步态识别算法多数基于单一信息,不能取得满意的识别结果。利用特征融合的思想,提出一种融合人体轮廓特征和下肢角度特征的步态识别算法。采用傅立叶描述子描述人体轮廓特征;区别于基于模型的运动特征提取方法,依据人体解剖学的知识获取下肢角度,计算代价较小;采用加权融合规则实现两类特征的融合。仿真结果表明,本算法的性能较基于单个特征的算法有明显的提高。     

基于特征融合和神经网络对步态识别仿真研究

研究人体步态识别问题,根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,最后将得到的融合特征向量输入到神经网络进行学习,从而实现步态的分类和识别。在CASIA步态数据库上进行对比仿真,仿真结果表明,方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVF Snake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

基于连续密度隐马尔可夫模型的人体步态识别*

人体步态识别作为一种远距离和非侵犯性的识别技术在视频监控等领域具有广泛的应用前景.基于此原因,文中提出基于连续密度隐马尔可夫模型(CD-HMM)的人体步态识别算法.首先,提出基于自然步态周期的特征提取算法,并在此基础上构造观测向量集.然后,使用从训练样本集中提取的步态向量集对CD-HMM进行参数估计.最后,提出基于Cox回归分析的渐进自适应算法对训练过的步态模型进行参数自适应和步态识别.实验表明,相比现有的其它步态识别算法,文中算法具有更高的识别率.     

基于贝叶斯网络的步态识别

步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于贝叶斯网络的步态识别方法。首先应用背景差方法获得运动人体侧面二值图像,将侧面像分为七部分来提取特征,采用最大方差法对训练集进行离散化,对各部分分别建立贝叶斯网络,最后利用“投票”规则将网络推理结果进行组合。将该方法在Soton步态数据库上进行试验,取得了比较理想的识别效果。     

基于SAE和LSTM的下肢外骨骼步态预测方法

提出一种基于栈式自动编码器（Stacked Auto Encoder,SAE）和长短时记忆（Long Short-Term Memory,LSTM）神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性,通过将下肢运动信息作为输入,步态作为输出,构建SAE-LSTM神经网络模型,并利用Keras对SAE-LSTM神经网络进行搭建和验证。实验结果表明,SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息,平均准确率能够达到92.9%以上。     

基于BlazePose和随机森林算法的异常步态检测

异常步态对行动能力产生严重影响,因此,及时、自动地检测异常步态具有至关重要的意义。本文提出了一种基于BlazePose和随机森林算法的人体异常步态检测方法。先利用BlazePose算法提取RGB视频中的人体骨骼关键点,然后通过数据处理获取7个关键的步态特征参数。最后采用随机森林算法作为步态分类器,用于区分正常步态与异常步态。利用142例异常步态数据和257例正常步态数据对分类器进行训练和测试评估,实验结果显示准确率和召回率分别达到97.5%和90%,表明该方法在异常步态检测方面具备一定的可行性和实用价值。     

异常步态3维人体建模和可变视角识别

目的 运用视觉和机器学习方法对步态进行研究已成为当前热点,但多集中在身份识别领域。本文从不同的视角对其进行研究,探讨一种基于点云数据和人体语义特征模型的异常步态3维人体建模和可变视角识别方法。方法 运用非刚性变形和蒙皮方法,构建基于形体和姿态语义特征的参数化3维人体模型;以红外结构光传感器获取的人体异常步态点云数据为观测目标,构建其对应形体和姿态特征的3维人体模型。通过ConvGRU（convolution gated necurrent unit）卷积循环神经网络来提取其投影深度图像的时空特征,并将样本划分为正样本、负样本和自身样本三元组,对异常步态分类器进行训练,以提高分类器对细小差异的鉴别能力。同时对异常步态数据获取难度大和训练视角少的问题,提出了一种基于形体、姿态和视角变换的训练样本扩充方法,以提高模型在面对视角变化时的泛化能力。结果 使用CSU（Central South University）3维异常步态数据库和DHA（depth-included human action video）深度人体行为数据库进行实验,并对比了不同异常步态或行为识别方法的效果。结果表明,本文方法在CSU异常步态库实验中,0°、45°和90°视角下对异常步态的综合检测识别率达到了96.6%,特别是在90°到0°交叉和变换视角实验中,比使用DMHI（difference motion history image）和DMM-CNN（depth motion map-convolutional neural network）等步态动作特征要高出25%以上。在DHA深度人体运动数据库实验中,本文方法识别率接近98%,比DMM等相关算法高出2%~3%。结论 提出的3维异常步态识别方法综合了3维人体先验知识、循环卷积网络的时空特性和虚拟视角样本合成方法的优点,不仅能提高异常步态在面对视角变换时的识别准确性,同时也为3维异常步态检测和识别提供一种新思路。     

基于重心动力学及虚拟模型的负载型四足步行平台对角步态控制方法

为提高负载型四足步行平台对角步态行走的稳定性,减小较大的腿部质量及偏心质量对稳定行走的影响,提出融合重心动力学及虚拟模型的控制方法．应用虚拟模型控制方法对机身及摆动腿加速度进行求解．结合平台重心动力学模型得到其所受合外力,而后应用二次规划将平台合外力分配到支撑腿足端．接着运用逆向动力学和关节空间PD控制得到步行平台关节力矩．通过Adams和Simulink对负载型四足步行平台对角步态行走进行仿真,并将该方法与虚拟模型控制算法进行对比．结果表明重心动力学及虚拟模型控制方法能够使平台姿态角稳定在目标值附近,在平台受到侧向冲击情况下横滚角、俯仰角分别减小约42%、21.8%,在机身偏心全向行走过程中减小50%、89%．证明了所提控制方法能够有效应对较大的腿部质量及偏心质量的影响,提高负载型四足步行平台对角步态行走的稳定性和鲁棒性．     

基于解藕合成及ZMP方程的仿人机器人三维步态规划

介绍了一种仿人机器人的新型步态规划方法。将仿人机器人前向步态简化为七连杆模型,侧向步态简化为五连杆模型;然后在Z坐标相等的情况下合成三维步态;最后通过ZMP方程来检验和仿真,并结合实际系统及其运行状况进行分析,验证了所提出规划方法的有效性。     

仿人机器人斜坡行走的步态规划

为了解决双足机器人在复杂路面的行走问题,提出了一种具体的基于几何约束的机器人斜坡行走步态规划方法。通过对机器人行走的起步阶段,单脚支撑期中摆动腿对机器人身体稳定的影响,以及行走步态流程进行了详细的规划,以机器人Nao为研究对象,构建出了机器人的连杆模型,计算出机器人在前向和侧向运动中保证身体稳定的踝关节约束范围,分析了流程图中机器人各行走步态,并计算出各步态中关节角度变化,从而规划出了机器人Nao从起步到结束行走的过程。运用三次多项式插值的方法使得各关节运动平滑稳定,并根据规划中的各个步态运动利用MATIAB仿真,获得机器人在步行过程中X、Y、Z方向上的质心轨迹,并通过x、y方向的轨迹可以看出机器人行走过程重心稳定,从而证明此方法用于机器人斜坡行走的可行性。     

基于流形学习的三维步态鲁棒识别方法

针对过去几乎都是在单目视觉的情况下进行步态识别研究的现状,提出一种基于立体视觉的步态识别方法。首先利用立体匹配技术获得人体轮廓的三维信息,并据此构造出三维人体轮廓描述子以获取人体的步态特征。接着通过平滑、去噪等预处理手段抑制噪声的影响,并采用流形学习构建低维流形进行特征降维。最后将最近邻分类器和最近邻模板分类器用于识别过程。采用该方法在PRLABⅡ立体步态数据库和不规则测试数据集ExN上进行实验,获得较高的识别率。实验结果表明,文中所提出的方法具有与行人行走路径到摄像机之间的距离无关的特点,且对于不完整的残缺步态序列、行人行为姿态的变化、携带物品和服饰变化等具有较强的鲁棒性。     

基于多区域分割的步态表示与识别算法研究

提出了一种基于多区域分割的步态表示方法,将视频中的目标人体区域部分按人体结构特点划分为多个子区,每个子区通过连接人体重心的椭圆进行拟和,建立多连接椭圆的人体结构模型,预处理阶段引入一个归一化过程以实现对各种视角下的步态序列进行表示.识别过程将模型参数作为步态特征,并引入了一定的融合机制对特征进行选择和融合.实验表明,该算法对于多个视角下的步态序列均具有较好的识别性能.     

Adaptive gait detection based on foot-mounted inertial sensors and multi-sensor fusion

Gait detection plays an important role in areas where spatial-temporal gait parameters are needed. Inertial sensors are now sufficiently small in size and light in weight for collection of human gait data with body sensor networks (BSNs). However, gait detection methods usually rely on careful sensor alignment and a set of rule-based thresholds, which are brittle or difficult to implement. This paper presents an adaptive method for gait detection, which models human gait with a hidden Markov model (HMM), and employs a neural network (NN) to deal with the raw measurements and feed the HMM with classifications. Six gait events are involved for a detailed analysis, i.e., heel strike, foot flat, mid-stance, heel off, toe off, and mid-swing. In order to obtain enough gait data for training a gait model, the gait events are labeled by a rule-based detection method, in which the predefined rules are verified with an optical motion capture system. Experiments were conducted by nine subjects, based on a dual-sensor configuration with one sensor on each foot. Detection performance is quantified using metrics of accuracy, sensitivity and specificity, and the averaged performance values are 98.11%, 94.32% and 98.86% respectively with a timing error less than 2.5 ms.     

基于列质量向量和SVM的步态识别

步态识别是根据人行走的方式来识别其身份,以其特有的优势作为一种身份识别手段。为了提高步态的识别率,提出了一种新方法,使用人体轮廓列质量向量表征特征信息,并使用支持向量机进行识别。根据人体轮廓的高度和宽度计算出步态周期,提取每个步态轮廓列质量向量,最后采用支持向量机进行分类识别。为了验证所提出方法的有效性,在CASIA步态数据库上进行了充足的实验,验证了该方法具有较高的识别率。