基于步行时地面反作用力的身份识别方法

专利名称：基于步行时地面反作用力的身份识别方法
技术领域：
本发明属于模式识别技术领域，特别涉及基于步行时地面反作用力的身份识别方法。
背景技术：
当今世界面临严峻的恐怖袭击和金融盗窃等安全难题，身份识别或认证变得越来越重要，尤其在机场、海关、博物馆、晚会现场、银行和金库等安全敏感场所。生物特征识别技术是利用人体固有的生理特征和行为特征来实现个体身份识别或认证，由于所选用的生物特征是人体固有的，能随身携带，不需要记忆，具有唯一性和难以复制性等特点，更适用于新的安全需求下的身份识别或认证。目前，用于身份识别的生物特征已有十多种，其中，生理特征主要有指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜、DNA以及气味等，行为特征主要有签名、语音、击键以及步态等。指纹、掌纹、掌形、虹膜、人脸、DNA、语音和签名等识别技术已有较为成熟的产品，它们在各自的应用领域中均起到了积极的作用。但遗憾的是，指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜、DNA、气味、签名、语音和击键等生物特征识别技术在实际应用时均需要被检对象密切配合才能完成信息采集，不具备隐蔽性，易引起犯罪分子的察觉进而采取反侦察手段。与此同时，所用的生理特征都是静态特征，易于伪造；击键、语音和签名这三种行为特征也容易被模仿；除高级的人脸识别外，以上提及的生物特征识别技术都是接触式采集和近距离识别，容易引起人权争议和外交风波，不太适用于出入境口岸的反恐安检需求。DNA鉴别技术虽然可靠性高，但采样也不是隐蔽式的，且其分析过程较长，要求高端的仪器设备，目前仅局限于实验室使用和法律鉴定中。也就是说，基于这些生理特征和击键、语音和签名这三种行为特征的生物特征识别技术是近距离身份识别技术，不能很好地适应当前安全形势下的身份识别要求。因此，需要发展和应用远距离身份识别技术。目前，可用于远距离身份识别的生物特征有人脸和步态。由于远距离人脸识别依然采用的是摄像机或照相机获取的人脸图像信息，其识别和近距离人脸识别同样受光照、人或物遮挡和背景影响较大，而且拥挤人群或复杂环境下的人脸跟踪更是一大难题。步态识别通过人走路的姿势和/或留下的足迹对身份进行识别和认证，人们都会有这样一个认知经验:我们总能在人群中通过观察他/她的走路很远就认出熟悉的人，或者在没见到其人的情况下听到走步声就能认出熟悉的人，这个认知经验也已经被精神物理学家用实验验证了，他们指出:即使在很差的观察环境中，人类也有能力根据步态辨别行走者的身份。在计算机视觉领域，步态识别相对于人脸识别更具优势，它利用人的行走行为特征，不像人脸那样容易用脸模或化妆等手段就能蒙混过关；在有些特殊事件中也能发挥作用，比如在银行抢劫和博物馆文物盗窃等事件中，犯罪嫌疑人戴上面罩或帽子就能隐藏脸像而逃过摄像机的追踪，但步态仍然是可见的，还是可以进行步态的鉴别来判断其是否为真正的罪犯，前提条件是犯罪嫌疑人没有刻意改变其步态。实际上，人们可以在视觉形貌上将别人的步态模仿得很像，产生几乎一样的步态图像信息，从而导致计算机视觉上的步态识别方法无法正确区别。因此，需要研究和发展基于其他步态信息的身份识别方法。中国专利ZL01144157.7公开了一种通过人体步行的步态图像序列来识别人员的方法，该方法信息采集具有非接触性和隐蔽性等优点，采取了空间轮廓分割、主成分分析和个性化体格特征辅助校验等方法来提高识别率和降低计算代价，但是这种基于步态图像的方法由于使用普通摄像机拍摄步态图像，还不能完美地解决复杂背景、遮挡和噪声干扰的问题，也没有考虑刻意模仿步态的问题。中国专利ZL200410014352.9公开的一种由四个六轴力平台构成的多轴力平台阵列，并通过该平台阵列获取人体行走时动态步态信息的方法，该平台阵列可用于人体平衡能力、协调能力和神经系统功能的测试和分析，但没有涉及步态特征提取和步态识别的方法。美国专利US 2002/0107649A1公开的一种“步态检测系统、检测装置、设备和步态检测方法”(Gait detection system, gaitdetectionapparatus, device, and gait detection method),检测步行时的声振荡信号并用作个人识别系统，该系统要求在人体上放置麦克风(声-电转换器)，麦克风通过采集步行运动过程中的声振荡能量而获得电信号子集，使用此电信号子集作为一步的指标来检测步行周期，收集表示脚着地时的声振荡的信号子集，系统基于此信号子集提取人体特定的步态特征，并将其用于个人识别。该个人识别系统有两个不足:一是着地时的声振荡随着麦克风在人体上的放置部位而改变；二是由于受麦克风周围噪音和电噪声的主要影响，不能准确地确定表示脚着地时的声振荡电信号，也就难以准确地提取步态波形的特征。专利申请国际公布号W0/2004/040501公开的“步态波形特征提取方法与个人识别系统”(Gait waveformfeature extracting method and individual identification system)以规定步页带内的波形峰值振幅作为参考指标，并从电场位移检测器中检测到的电信号中确定一步的步态波形和提取步态波形特征的方法和个人识别系统，可以不受左、右腿之间的电荷干涉和传感器在身体上的安装部位影响，但尚不适用于存在复杂电磁干扰的环境中。而且，美国专利US2002/0107649A1和国际公布号W0/2004/040501开的技术方案中，其步态信息仍然是依靠安置在身体上的传感器采集，仍然是接触式测量方式，被测者能够觉察得到，从而可能导致犯罪分子因觉察而采取反侦察手段蒙混过关，甚或可能被激怒以致于在人群中制造恐怖事件。

发明内容
本发明的目的是提出一种基于步行时地面反作用力的身份识别方法，以隐蔽和非接触测量方法使得识别过程不易被发觉，避免被识别对象蒙混过关，以适用于海关、机场、博物馆、晚会现场、银行和金库等安全敏感场所的身份识别。本发明基于步行时地面反作用力的身份识别方法，其特征在于包括训练过程和识别过程；所述训练过程包括:利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板；所述识别过程包括:获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识别，输出识别结果；所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力；所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成；所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即判定为无效样本，否则判定为有效样本；对于由Np个三维力测力平台采集的连续多个单步合成的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4FpXNp或高于
0.8FpXNp，或垂直方向支撑力的波谷的个数少于Np个，或垂直方向支撑力的所有波谷的纵坐标值的最大最小值相差超过300,即判定为无效样本,否则判定为有效样本；所述步态特征提取是指采用小波包变换方法从地面反作用力中提取小波包分解系数、小波包能`量、小波包分解系数的均值和方差来表征步态特征，步骤为:首先采用分段线性插值算法对经过数据预处理的地面反作用力数据进行维数归一化，将有效样本的数据维数归一化到同一个值；再采用L层小波包分解算法对去噪和维数归一化后的有效样本进行小波包分解，分解得到2 +1-2个子小波包，以每个子小波包的小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征；然后采用特征选择算法对小波包分解系数进行选择，挑选出最优小波包分解系数，将最优小波包分解系数与小波包能量、小波包分解系数的均值和方差组合，得到步态特征集和已训练的步态特征模板；所述分类器训练是指采用支持向量机分类器对训练样本进行训练，得到已训练的分类模板；该分类器训练也可以在所述的采用支持向量机分类器对训练样本进行训练之前先采用最大-最小值标准化方法对输入支持向量机的步态特征在幅度上进行归一化。与现有技术相比较，本发明基于步行时地面反作用力的身份识别方法的显著优点有:其一，本发明中用于身份识别的步态信息是人体行走时足与地面相互作用产生的地面反作用力，可以通过隐藏在地面或地板下的测力平台方便、准确地获取到，相对于将传感器安置在被测者身上的获取步行声振荡信号和步行电场信号的方法，由于本发明中的步态信息采集设备可以隐藏在地面或地板下，不安置在被测者身上，步态信息采集过程对被测者完全是隐蔽的，对被测者的自然行走没有任何影响。也就是说，本发明的步态信息采集是非接触且隐蔽的测量方法，可以获取被识别对象自然步行时的真实步态信息，被识别对象不会发觉有身份识别设备而采取措施蒙混过关，可以在现场也可以在很远的地方昼夜监控识别过程，也不会引起人权纠纷，可以更好地满足高科技时代机场、海关、博物馆、晚会现场、银行和金库等安全敏感场所的身份鉴别和安全防范需求。
其二，由于本发明中所用的步态信息是测力平台获取的人体行走时足与地面相互作用产生的地面反作用力，相对于计算机视觉领域中通过摄像机获取步态图像的方法，识别结果不受复杂背景、衣服和身体遮挡等影响；更有优势的一点是，本发明可以应对刻意模仿别人步态时的情况，而计算机视觉领域基于步态的身份识别方法却无法较好应对，因为一个人模仿别人的步态往往从视觉形貌上学习别人走路的姿势，可以模仿得很像，但因为无法观察到和记录别人走路时足与地面相互作用的步态力学信息，也就无法学习、模仿力学信息，即便是相似的走路姿势也不一定能产生相似的步态力学信息。其三，采用本发明方法，既可以使用单个测力平台获取单步的地面反作用力，将单步的地面反作用力用于身份识别；也可以使用多个测力平台获取连续多个单步的地面反作用力，然后在时序上累加得到合成的地面反作用力，再将合成的地面反作用力用于身份识别；所采用的特征提取和分类算法可以区分并很好地处理这两种情况，方便不同场所的应用。其四，本发明中所采用的步态力学信息采集方法、步态特征提取和身份识别算法可以推广应用到很多领域。例如，在医疗康复领域，通过与正常人步态特征的对比，可以评估病人骨骼肌肉等组织受到损害的程度和控制平衡的能力，对患者进行分类和分级，确定治疗康复方案，并可在治疗过程中验证疗效、治疗后评估康复程度；另外，该步态力学信息还可以应用于保险评估、理赔(保险公司用于伤残评估、治疗康复评估)以及人类生活生产资料(家具、鞋子、假肢、办公用具等)和健身、康复器材的设计和效能评估等领域。


图1是基于步行时地面反作用力的身份识别的算法流程图；图2是隐藏在地面下采集步行时地面反作用力的等间隔交错拼装的步态通道示意图；图3是隐藏在地面下采集步行时地面反作用力的紧密平齐拼装的步态通道示意图；图4是步行时单步的地面反作用力中的左右方向剪切力Fx、前后方向剪切力Fy和垂直方向支撑力Fz的力-时间曲线；图5是步行时连续多个单步合成的地面反作用力中的左右方向剪切力Fhx、前后方向剪切力Fhy和垂直方向支撑力Fhz的力-时间曲线；图6、图7和图8分别是去噪前的单步的地面反作用力中的左右方向剪切力曲线、前后方向剪切力曲线和垂直方向支撑力曲线；图9、图10和图11分别是采用小波变换阈值法去噪后的单步的地面反作用力中的左右方向剪切力曲线、前后方向剪切力曲线和垂直方向支撑力曲线；图12是去噪和维数归一化之后的合成的地面反作用力中的左右方向剪切力Fhxd、前后方向剪切力Fhyd和垂直方向支撑力Fhzd的力-时间曲线；图13是经过去噪、体重标准化和维数归一化处理后的垂直方向支撑力Fwz曲线；图14是对垂直方向支撑力Fwz进行4层小波包分解后的第二层尺度空间；图15是对垂直方向支撑力Fwz进行4层小波包分解后的第二层小波空间。
具体实施例方式实施例1:远距离生物特征识别技术是高科技犯罪时代保护公共安全和个人安全的重要身份识别技术手段，目前可用于远距离身份识别的生物特征除人脸外，步态算是潜力最大的人体行为生物特征。本发明以人的步态为出发点，采用隐藏在地面或地板下的测力平台采集人步行时足与地面相互作用产生的地面反作用力，以不可模仿的步态力学信息代替较易模仿的步态图像序列，并提出了步态力学信息的获取、处理方法和身份识别方法。下面结合附图和实施例对本发明作进一步的说明，需要指出的是，所描述的实施例是为了便于理解本发明，对本发明不起任何限定作用。本发明提出的基于步行时地面反作用的身份识别方法包括训练过程和识别过程，算法流程如图1所示。在本实施例中，不论是训练过程还是识别过程的步态信息，都是采用隐藏在地面或地板下的三维力测力平台组成的步态通道采集到的步行时的地面反作用力。本发明利用由测力平台组成的步态通道采集步态信息，建立步态数据库，然后对采集到的步态信息进行去噪和有效样本挑选等数据预处理，再设计特征提取算法提取步态特征，在训练过程中采用特征选择算法挑选出最优的步态特征，得到已训练的步态特征模板，同时选用合适的分类器对训练样本进行训练，得到已训练的分类模板，训练过程的算法流程如图1中上半部分所示；在识别过程中采用与训练过程一样的特征提取算法从实时获取到的待识别对象的步态信息中提取步态特征，利用训练过程中得到的已训练的步态特征模板对待识别对象的步态特征进行特征映射，再利用训练过程中得到的已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识别，最后输出识别结果，识别过程的算法流程如图1下半部分所示。下面对本发明的步态信息采集、步态特征提取和识别方法进行更为详细的说明。1.步态信息采集从目前的技术可实现性看，可用于步态识别的步态信息有步态图像/视频信息、步态声音信息、步态电磁场信号和步态力学信息，步态图像/视频信息在步态识别应用中已经有了很多研究，但仍然存在受遮挡和光照影响等问题；步态声音信息和步态电磁场信号采集需要将传感器安置在被测者身上，仍然是接触式测量方式，被测者能觉察得到，很容易出现因为觉察被鉴别身份而采取模仿等手段蒙混过关。本发明针对步态识别在信息层上的这些不足，提出将步态力学信息，即步行时足与地面相互作用产生的地面反作用力用于身份识别。为了采集到对象自然行走时尽可能多的步态力学信息，本发明将多个三维力测力平台按一定的拼装方式隐蔽地安装在地面或地板下，组成一条步态通道，采集人体行走通过步态通道时的三维地面反作用力。本发明中采用中国专利号为ZL200410014352.9“一种多轴力平台阵列及人体行走步态信息获取方法”中所述的六轴力平台来采集三维力，在本发明中将其称为三维力测力平台。具体实施过程中，将多个三维力测力平台根据应用场所的场地大小和应用需求，采用不同的拼装方式来组成步态通道，图2是隐藏在地面下采集步行时地面反作用力的等间隔交错拼装的步态通道示意图，将多个三维力测力平台Plt以相同的间隔一左一右交错地拼装组成一条步态通道；图3是隐藏在地面下采集步行时地面反作用力的紧密平齐拼装的步态通道示意图，多个三维力测力平台Plt —个挨着一个紧密平齐地拼装组成一条步态通道。图2所示的等间隔交错拼装的步态通道相对于图3所示的紧密平齐拼装的步态通道可以简单地区分出左右脚的地面反作用力，但要求被测者的左脚Lf和右脚Rf按图中指示的左右对应方式正确地踏上相应的测力平台，如图2中每个黑色方框标示的区域下面为一个三维力测力平台Pit，在行进方向上，要求被测者右脚Rf踏在图中虚线右侧的黑色方框内，左脚Lf踏在图中虚线左侧的黑色方框内，这样就可以保证被测者正确地踏上相应的测力平台，在图3所示的步态通道上没有这种要求。本发明中，所采集的地面反作用力是三维地面反作用力，包括左右方向剪切力Fx、前后方向剪切力Fy和垂直方向支撑力Fz，图4是步行时单步的地面反作用力中的左右方向剪切力Fx、前后方向剪切力Fy和垂直方向支撑力Fz的力-时间曲线，垂直方向支撑力Fz主要反映步行的承重过程，其力-时间曲线一般呈马鞍形状，即一般会有两个波峰夹着一个波谷；剪切力主要反映摩擦制动、驱动和平衡身体的过程。因此，采用步行时的三维地面反作用力将从多角度直观表征步行的模式特征。2.步态数据预处理为了使提取到的步态特征更准确稳定，要求用于特征提取的步态数据具有较高的质量，而采集到的数据往往含有噪声，有的数据甚至可能因为采集操作不规范产生的无效数据。因此，在进行步态特征提取之前，需要对采集到的步态数据进行预处理，包括去噪和有效样本挑选。对于数据采集电路中存在的工频干扰、电路之间的伴生干扰等噪声，已经在电路上采用硬件滤波方法进行了初步去噪，为了尽量消除各种噪声，在上位机上再采用软件滤波方法进行进一步的去噪处理。由于小波变换具有誉为“数学显微镜”的多分辨率分析特性，使其具有带通滤波功能，小波去噪方法应用越来越广。小波去噪方法将信号在不同尺度下进行小波分解，就可将包含多种频率成分的混合信号分解到不同频段，然后根据各种子信号在频域上的不同特征按频带处理。步行时的地面反作用力信号主要是频率在40Hz以内的低频信号，而通过步态通道采集系统中的主要噪声是工作电源引入的50Hz工频噪声和采集电路中的电磁干扰，电磁干扰大部分是高频噪声。另外，采集到的地面反作用力的奇异点较多，在其力-时间曲线上会出现很多拐点；而小波变换模极大值法和小波变换阈值法比较适合对含奇异点较多的信号或数据进行去噪，又因为小波变换阈值法适用于大多数信号的去噪，且计算速度快，非常适合于对本发明中的地面反作用力数据进行实时去噪处理的要求。因此，本发明选用小波变换阈值法对地面反作用力数据进行去噪预处理。小波去噪包括小波分解一对高频小波系数处理一小波重构三个基本操作，对于时域信号f(t)，先将其离散化为fk，令Ccu = fk。本发明中采集到的步态数据可以视为已经离散化了的数据，即fk=f (t)，信号f (t)的正交小波分解公式为:
权利要求
1.种基于步行时地面反作用力的身份识别方法，其特征在于包括训练过程和识别过程; 所述训练过程包括:利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板； 所述识别过程包括:获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识另Ij，输出识别结果； 所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力； 所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成； 所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即判定为无效样本，否则判定为有效样本；对于由Np个三维力测力平台采集的连续多个单步合成的地面反作用 力，如果其中垂直方向支撑力的数据维数低于0.4FpXNp或高于0.8Fp X Np，或垂直方向支撑力的波谷的个数少于Np个，或垂直方向支撑力的所有波谷的纵坐标值的最大最小值相差超过300,即判定为无效样本,否则判定为有效样本； 所述步态特征提取是指采用小波包变换方法从地面反作用力中提取小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征； 所述分类器训练是指采用支持向量机分类器对训练样本进行训练，得到已训练的分类模板。
2.权利要求1所述基于步行时地面反作用力的身份识别方法，特征在于所述步态特征提取的步骤为: 首先采用分段线性插值算法对经过数据预处理的地面反作用力数据进行维数归一化，将有效样本的数据维数归一化到同一个值； 再采用L层小波包分解算法对去噪和维数归一化后的有效样本进行小波包分解，分解得到2 +1-2个子小波包，以每个子小波包的小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征； 然后采用特征选择算法对小波包分解系数进行选择，挑选出最优小波包分解系数，将最优小波包分解系数与小波包能量、小波包分解系数的均值和方差组合，得到步态特征集和已训练的步态特征模板。
3.权利要求1所述基于步行时地面反作用力的身份识别方法，特征在于所述分类器训练先采用最大-最小值标准化方法对输入支持向量机的步态特征在幅度上进行归一化，再采用支持 向量机分类器对训练样本进行训练，得到已训练的分类模板。
全文摘要
本发明公开了一种基于步行时地面反作用力的身份识别方法，特征是利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息，并对其进行数据预处理，再采用小波包分解算法提取小波包分解系数、小波包能量、小波包分解系数的均值和方差表征步态特征，训练过程中利用特征选择算法和支持向量机分类器建立已训练的步态特征模板和分类模板，识别过程中利用已训练的步态特征模板对提取的待识别对象的步态特征进行特征映射，再利用已训练的分类模板对其进行模板匹配和识别，输出识别结果。本发明的步态信息采集和识别过程具有隐蔽性，不会引起察觉和人权纠纷，可以更好地满足高科技时代安全敏感场所的身份鉴别和安全防范需求。
文档编号G06K9/62GK103093234SQ20121055966
公开日2013年5月8日 申请日期2012年12月21日 优先权日2012年12月21日
发明者姚志明, 夏懿, 孙怡宁, 周旭, 张涛, 杨先军, 马祖长, 窦少彬 申请人:中国科学院合肥物质科学研究院