专利名称：基于足地作用力的步态特征提取方法及步态识别系统的制作方法
技术领域：
本发明属于模式识别技术领域，特别涉及基于足地作用力的步态特征提取方法及步态识别系统。
背景技术：
步态识别利用人走路的姿势实现对个人身份的识别或生理、病理和心理特征步态的分类、识别，是生物特征识别技术领域中的一个新兴分支，具有其他生物特征识别技术共有的特性，即生物特征能随身携带，不需要记忆，具有唯一性和难以复制性等特点。同时，步态识别具有其他生物特征识别技术所不具有的独特优势，即步态信息可以远距离隐蔽且非接触地采集到，步态难以隐藏和伪装，是一种远距离生物特征识别技术。藉于此，步态识别应用前景广泛，尤其在安全敏感场所的身份识别或认证应用中更具潜力和优势。因为指纹、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近距离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伪造和模仿等反侦察手段，不太适用于安全敏感场所的安全认证需求；而且，所用的指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜和气味等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；DNA鉴别技术虽然可靠性高，但采样也不是隐蔽式的，而且分析过程较长，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。因为具有独特优势，步态识别近十几年来被广泛关注和研究，步态特征提取方法和步态识别方法、系统是关注的焦点。相对而言，计算机视觉领域的步态识别研究最早，最活跃，成果也最多，但由于种种客观因素的制约，给步态识别的实际应用带来了许多挑战。比如，计算机视觉领域的步态识别无法准确鉴别出刻意模仿的步态真正是哪个人的，而实际上人们也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；步态图像或视频获取过程中可能会受到复杂背景和自身遮挡等因素的干扰，难以准确地检测出人体目标和抽取出鲁棒的步态特征。因此，需要研究和发展基于其他步态信息的身份识别方法和系统，以适应高科技时代的安全认证需求。另外，在基于步态的身份识别以及基于步态的生理、病理和心理特征步态的分类或识别应用中，步态特征是关键，当前的步态特征提取方法大多集中在以图像序列的傅里叶变换、小波变换和Radon变换等表征步态的运动学特征，而实际上步态还有动力学特征，但由于现有技术未能从多角度多层次提取步态特征，从而不可能全面准确地提取出反映步态运动学和动力学特征的步态特征。中国专利号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，但该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，无法应用于夜间无光照的室外，也没有考虑刻意模仿步态的问题。中国专利申请公开号CN101251894A公开的一种可昼夜使用的步态识别方法和系统，因为依然是基于步态图像的识别方法，仍然无法处理刻意模仿和遮挡问题。中国专利号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，但并未涉及步态特征提取和步态识别的方法。美国专利US2002/0107649公开了一种检测步行时的声振荡信号的步态检测装置和步态检测方法，并用作个人识别系统，该个人识别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。但是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公开了一种以规定频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，该方法不受左、右腿之间的电荷干涉和传感器在身体上的安装部位影响，但由于电磁干扰会严重影响检测电信号的准确度，不适用于存在复杂电磁干扰的环境中。而且，美国专利US 2002/0107649A1和国际公布号W0/2004/040501所公开的技术方案中，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，被测者能觉察得到，犯罪分子很容易因觉察而采取反侦察手段蒙混过关或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能够更为全面准确地表征人自然步行时运动学和动力学特征的步态特征提取方法，并以此方法为基础，提出一种既能消除复杂背景和遮挡等外界因素干扰，同时又能最大限度地避免蒙混过关情况的基于足地作用力的步态识别系统，以隐蔽且无侵扰地对人员进行身份识别，避免引起人权纠纷，可实现昼夜远程监控，最大限度地避免蒙混过关情况，特别适用于海关、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，也适用于各类步态的自动分类和鉴别。本发明的基于足地作用力的步态特征提取方法，其特征在于包括步态频域特征提取和步态时域特征提取；所述步态频域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征；所述步态时域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征；所述足地作用力包括左右剪切力、前后剪切力和垂直支撑力；所述步态频域特征提取的步骤如下频域第一步Sll :采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机PC中；频域第二步S12 :采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；频域第三步S13:挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；频域第四步S14:以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力；频域第五步S15 :根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步S18 ;如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步S16 ；频域第六步S16 :需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量;频域第七步S17 :采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征；频域第八步S18 :不需要扩充样本时，采用L层小波包分解算法从波形对齐后的足地作用力中提取出全程的步态频域特征；所述步态时域特征提取的步骤如下时域第一步S21 :通过三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机PC中；时域第二步S22 :采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；时域第三步S23 :采用一阶差分算法分别检测出去噪后的足地作用力中的前后剪切力曲线和垂直支撑力曲线上的波峰点和波谷点，将波峰点和波谷点作为足地作用力曲线的关键点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；时域第四步S24:根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行时域第七步S27 ;如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行时域第五步S25 ；时域第五步S25 :需要扩充样本时，以足地作用力曲线的参考点为基准，对去噪后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；时域第六步S26 :以每一个分段足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征分段的步态时域特征；时域第七步S27 :不需要扩充样本时，以去噪后的足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征全程的步态时域特征；所述波形对齐的步骤如下波形对齐第一步采用线性插值算法将去噪后的足地作用力数据的维数归一化到同一值GXNp，Np为使用的三维力测力板的总数，G为与采样频率相关的步距参数，将G设定为50的整数倍；波形对齐第二步通过一阶差分算法搜索出维数归一化后的足地作用力中的垂直支撑力曲线上的η个波谷点，将η个波谷点作为参考点；波形对齐第三步以垂直支撑力曲线上的参考点为参照，通过线性插值将足地作用力中的左右剪切力曲线、前后剪切力曲线和垂直支撑力曲线对齐，使得垂直支撑力曲线上的η个波谷点分别对齐到指定的位置，第η个波谷点对齐到GX (η-0. 5)；所述样本拆分的步骤如下样本拆分第一步通过一阶差分算法搜索出足地作用力中垂直支撑力曲线上的η个波谷点，将η个波谷点作为参考点；样本拆分第二步以垂直支撑力曲线上的参考点为分割点，分别将足地作用力中的左右剪切力曲线、前后剪切力曲线和垂直支撑力曲线中位于第一个参考点和最后一个参考点之间的部分拆分成η-1段，将两相邻参考点之间的足地作用力数据提取出来，作为一个新的样本，共拆分出η-1个样本。同时，本发明以上述的基于足地作用力的步态特征提取方法为基础，还提出一种基于足地作用力的步态识别系统，其特征在于，包括步态数据采集模块MDl和步态数据处理与识别模块MD2 所述步态数据采集模块MD1，由Np个三维力测力板MDll和I个数据采集与传输单元MD12组成，Np个三维力测力板MDlI电连接，将它们紧密平齐且隐蔽地安装在地面Flo下构成步态通道GW，数据采集与传输单元MD12的一端通过以太网与Np个电连接的三维力测力板MDll电连接，数据采集与传输单元MD12的另一端通过USB数据线DL与计算机PC电连接，实现足地作用力数据的实时采集和处理；所述步态数据处理与识别模块MD2，是安装在计算机PC中的软件模块，该模块首先通过小波变换硬阈值法对采集到的足地作用力进行去噪处理，然后通过步态特征提取方法提取步态频域特征和步态时域特征来表征步态，再通过步态特征融合建立步态特征集，最后采用支持向量机分类器对步态进行识别；所述步态数据处理与识别模块MD2，是对获取的步态数据进行处理和特征提取并实现远距离隐蔽式步态识别的模块，包括以下单元步态数据去噪单元MD21，采用小波变换硬阈值法去除采集到的足地作用力中的工频噪声和电磁干扰等噪声，获取信噪比高的步态数据；波形对齐单元MD22，采用所述波形对齐的步骤将采集到的所有人员样本的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点将足地作用力自动对齐；样本拆分单元MD23，采用所述样本拆分的步骤将采集到的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点拆分成多个分段足地作用力；步态频域特征提取单元MD24， 采用所述步态频域特征提取的步骤从经过去噪和波形对齐，或再进一步经过样本拆分处理的足地作用力中提取小波包分解系数来表征步态频域特征；步态时域特征提取单元MD25，采用所述步态时域特征提取的步骤从经过去噪甚至经过样本拆分处理的足地作用力曲线上计算关键点处的力值和时相、相邻关键点的变化率和冲量来表征步态时域特征；步态特征融合单元MD26，采用模糊C均值算法从提取的步态频域特征中挑选出最小最优步态频域特征子集，再与步态时域特征直接组合，得到融合后的步态特征集；步态识别单元MD27，采用支持向量机分类器对从足地作用力中提取的步态特征进行步态和身份识别。步态是远距离身份识别需求中优势明显的生物行为特征，特别适合于高科技时代的安全认证和安全防范需求。现有技术公开了通过摄像机获取的步态图像或麦克风获取的步行声振荡信号或电场位移检测器获取的步行电场信号来鉴别个体身份的方法和系统，本发明提出的基于足地作用力的步态特征提取方法及步态识别系统，相对于现有技术的优势在于其一，本发明中所用的 步态信息是人体行走时足与地面相互作用产生的足地作用力，可以通过隐藏在地面下的测力平台方便、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，本发明中的步态信息采集设备隐藏在地面下，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，本发明中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
人口 f+71 K 4-T7 M I L,!Kl、l丄山/Ji 4*tt 丄7 如幕Ttife1 人二 rCn
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足地作用力，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，本发明方法从步行时的足地作用力中提取出的步态特征包括步态时域特征和步态频域特征，相对于步态图像序列，从足地作用力中提取的步态时域特征反映步行的运动学和动力学等整体特征，能够全面准确地反映步行的动作特征，所提取的步态频域特征反映步行的细节特征，将两种步态特征同时用于步态识别时，因为利用了整体和细节特征的互补，其识别性能更优。其四，本发明方法在步态频域特征提取过程中提出了波形对齐方法对足地作用力在参考点处进行对齐，以提高步态频域特征的对比性和分类能力；同时，还提出了样本拆分方法，在不增加数据采集次数的情况下有效扩充用于训练的足地作用力数据样本的数量，为分类器训练提供尽量多的样本，从而提高训练的分类器的健壮性和提高步态识别的准确率。其五，本发明中设计的步态特征提取方法和步态识别系统，除了可以用于身份识另Ij外，还可以推广应用到很多领域。例如，在医疗辅助诊断领域，提取的步态时域特征和步态频域特征可以用于帕金森步态、脑卒中步态、糖尿病足步态、外八字步、内八字步等临床步态的分析、自动分类和识别；在体育科研领域，利用行走和完成动作过程中足地作用力的动态时序参数，分析和评估运动员的运动能力和发力效果等，作为改进训练方式、考核训练效果以及运动损伤评估的依据；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，步态时域特征和步态频域特征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是基于足地作用力的步态特征提取算法流程图，其中的分图(a)为步态频域特征提取流程图，分图(b)为步态时域特征提取流程图。图2是足地作用力曲线的波形对齐和样本拆分的参考点示意图。图3是去噪前的足地作用力中的左右剪切力Fx曲线、前后剪切力Fy曲线和垂直支撑力Fz曲线。图4是去噪后的足地作用力中的左右剪切力Fxd曲线、前后剪切力Fyd曲线和垂直支撑力Fzd曲线。图5是去噪和波形对齐后的足地作用力中的左右剪切力Fxr曲线、前后剪切力Fyr曲线和垂直支撑力Fzr曲线。图6是经过去噪、波形对齐和幅值归一化后的足地作用力中的垂直支撑力Fwz曲线。图7是对垂直支撑力Fwz进行4层小波包分解后的第一层尺度序列。图8是对垂直支撑力Fwz进行4层小波包分解后的第一层小波序列。图9是足地作用力曲线的关键点及步态时域特征表征示意图。图10是基于足地作用力的步态识别系统框图。图11是步态数据处理与识别模块框图。
具体实施例方式实施例1 :下面结合附图和实施例对本发明作进一步的说明。本发明以人的步态为出发点，以获取人自然真实且全面的步态特征和实现可昼夜自动监控的步态识别应用为目的，提出的一种基于足地作用力的步态特征提取方法及步态识别系统，涉及步态时域特征和步态频域特征的提取、步态识别系统的设计和功能实现等问题。受到人步行时的足地作用力很难被模仿且可以无侵扰地获取到以及时频分析结合的启发，在本发明方法的实施过程中可以采用隐藏在地面下的测力板采集人步行时足底与地面相互作用产生的足地作用力，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，并从足地作用力中提取步态时域特征和步态频域特征，将两种特征融合用于步态识另IJ，进而实现了基于足地作用力的步态识别系统。图10是基于足地作用力的步态识别系统框图，基于足地作用力的步态识别系统包括图10中的步态数据采集模块MDl和步态数据处理与识别模块MD2两大模块，其中步态数据采集模块MDl用于无侵扰地获取人自然步行时的足地作用力，由Np个三维力测力板MDll和I个数据采集与传输单元MD12组成，Np个三维力测力板MDll电连接，将它们紧密平齐且隐蔽地安装在地面Flo下构成步态通道GW，数据采集与传输单元MD12的一端通过以太网与Np个电连接的三维力测力板MDll电连接，数据采集与传输单元MD 12的另一端通过USB数据线DL与计算机PC电连接，实现足地作用力数据的实时采集和处理。Np表示的是所采用的三维力测力板的个数，为了能够采集到不同身高的人的足地作用力数据，Np最好为不小于3的整数。本发明所采用的三维力测力板是中国专利号为ZL200410014352. 9的发明专利“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。在实际应用中，当被测者从图10中GW所示的步态通道上步行通过时，因为三维力测力板MDlI安装在地面Flo下，这样被测者就不知道有仪器设备在采集他/她的步态数据，即本发明的步态数据采集是隐蔽和无侵扰的，也就可以保证采集到的步态信息是真实自然的，从而避免刻意模仿情况的出现；步态数据处理与识别模块MD2是安装在计算机PC中的软件模块，该模块首先通过小波变换硬阈值法对采集到的足地作用力数据进行去噪处理，然后通过步态特征提取方法提取步态频域特征和步态时域特征来表征步态，再通过步态特征融合建立步态特征集，最后采用支持向量机分类器对步态进行识别。图11是步态数据处理与识别模块MD2的框图，本发明中的步态数据处理与识别模块MD2是对获取的步态数据进行处理和特征提取并实现远距离隐蔽式步态识别的模块，由步态数据去噪单元MD21、波形对齐单元MD22、样本拆分单元MD23、步态频域特征提取单元MD24、步态时域特征提取单元MD25、步态特征融合单元MD26和步态识别单元MD27协调完成步态数据处理和识别工作，其中步态数据去噪单元MD21，采用小波变换硬阈值法去除采集到的足地作用力中的工频噪声和电磁干扰等噪声，获取信噪比高的步态数据；波形对齐单元MD22，采用波形对齐的步骤将采集到的所有人员样本的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点将足地作用力自动对齐；样本拆分单元MD23，采用所述样本拆分的步骤将采集到的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点拆分成多个分段足地作用力；步态频域特征提取单元MD24，采用所述步态频域特征提取的步骤从经过去噪和波形对齐，或再进一步经过样本拆分处理的足地作用力中提取小波包分解系数来表征步态频域特征；步态时域特征提取单元MD25，采用步态时域特征提取的步骤从经过去噪甚至经过样本拆分处理的足地作用力曲线上计算关键点处的力值和时相、相邻关键点的变化率和冲量来表征步态时域特征；步态特征融合单元MD26，采用模糊C均值算法从提取的步态频域特征中挑选出最小最优步态频域特征子集，再与步态时域特征直接组合，得到融合后的步态特征集；步态识别单元MD27，采用支持向量机分类器对从足地作用力中提取的步态特征进行步态和身份识别。本发明方法实施过程中利用可隐藏在地面下的测力板隐蔽无侵扰地获取行人自然真实且不易被模仿的步行时的足地作用力作为步态数据，再采用小波变换硬阈值法对步态数据进行去噪处理，采用小波包分解算法和差分算法分别从足地作用力中提取步态频域特征和步态时域特征表征步态，使用支持向量机对行人进行步态分类或身份识别，同时提出波形对齐和样本拆分方法提高识别准确率，构成独具优势的步态识别系统。在本发明的步态识别系统的技术方案中，步态特征提取是核心之一，也是步态分析的基础，本发明提出从包括左右剪切力、前后剪切力和垂直支撑力的足地作用力中全面准确地表征人自然步行时运动学和动力学特征的步态特征提取方法，该步态特征提取包括步态频域特征提取和步态时域特征提取，步态频域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征；步态时域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征。图1是基于足地作用力的步态特征提取算法流程图，其中的分图(a)为步态频域特征提取流程图，分图(b)为步态时域特征提取流程图。本发明中基于足地作用力的步态特征提取方法技术方案的实施步骤如下参见图1中的分图(a)，该步态频域特征提取的步骤如下频域第一步Sll :采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机PC中；频域第二步S12 :采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；频域第三步S13:挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；频域第四步S14:以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力；频域第五步S15 :根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步S18 ;如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步S16 ；频域第六步S16 :需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量;频域第七步S17 :采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征；频域第八步S18 :不需要扩充样本时，采用L层小波包分解算法从波形对齐后的足地作用力中提取出全程的步态频域特征。参见图1中的分图(b)，该步态时域特征提取的步骤如下
时域第一步S21 :通过三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机PC中；时域第二步S22 :采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力；时域第三步S23 :采用一阶差分算法分别检测出去噪后的足地作用力中的前后剪切力曲线和垂直支撑力曲线上的波峰点和波谷点，将波峰点和波谷点作为足地作用力曲线的关键点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点；时域第四步S24 :根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行时域第七步S27 ;如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行时域第五步S25 ；时域第五步S25 :需要扩充样本时，以足地作用力曲线的参考点为基准，对去噪后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；时域第六步S26 :以每一个分段足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征分段的步态时域特征；时域第七步S27 :不需要扩充样本时，以去噪后的足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征全程的步态时域特征；这里所指的冲量实际上就是力与时间的积分，驱动冲量就是力-时间曲线上居于O点以上的力与时间的积分，制动冲量就是力-时间曲线上居于O点以下的力与时间的积分。通过以上时频分析方法提取出的步态特征可以全面准确地表征人的自然步行特征，从足地作用力中提取的步态时域特征反映步行的运动学和动力学等整体特征，能够全面准确地反映步行的动作特征，所提取的步态频域特征反映步行的细节特征，从这些步态特征中既可以分析步态的周期性、稳定性和动力性，还可以精细地分析步态的谱特性，将两种步态特征同时用于步态识别时，因为利用了整体和细节特征的互补，其识别性能更优，大量实验也证实了本发明方法的有效性。下面对本发明的步态特征提取方法和步态识别系统中涉及的细节进行详细说明。1.步态数据——足地作用力获取本发明中所用的步态数据，即步行时的足地作用力由如图10所示的步态数据采集模块MDl无侵扰地获取。当被测者步行通过图10中所示Np个三维力测力板MDll组成的步态通道GW时，步态数据采集模块MDl便实时地采集他/她步行时的足地作用力。本实施例中将Np设定为5。本发明中，采集的足地作用力是三维力，包括如图2所示的左右剪切力Fx、前后剪切力Fy和垂直支撑力Fz，它们很难被模仿，而且可以隐蔽无侵扰地获取到，可以昼夜远程采集，采集时不需要被测者配合，这样可以保证采集的步态数据是自然真实的。2.步态数据去噪处理
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。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去噪处理。软件滤波方法是硬件滤波去噪之外常用的上位机去噪方法。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。步行时的足地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，采集到的足地作用力的奇异点较多，在其曲线上会出现很多拐点，类似图2中的波峰点P1、P2、P3、P4和波谷点V1、V2、V3、V4、V5。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足地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足地作用力数据进行去噪处理。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Ctu = 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
1.一种基于足地作用力的步态特征提取方法，其特征在于，包括步态频域特征提取和步态时域特征提取 所述步态频域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪和波形对齐，采用小波包分解方法从处理过的步态数据中提取出步态频域特征； 所述步态时域特征提取是指将获取的步行时的足地作用力作为步态数据，对步态数据进行去噪，检测足地作用力曲线上的关键点和参考点，以关键点处的力值及时相、相邻关键点的作用力变化率和冲量表征步态时域特征； 所述足地作用力包括左右剪切力、前后剪切力和垂直支撑力； 所述步态频域特征提取的步骤如下 频域第一步(SI I):采用三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机(PC)中； 频域第二步(S12):采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力； 频域第三步(S13):挑选去噪后的足地作用力中的垂直支撑力，采用一阶差分算法检测出垂直支撑力曲线上的波谷点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考占. 频域第四步(S14):以足地作用力曲线的参考点为基准，采用线性插值算法对去噪后的足地作用力进行波形对齐，得到波形对齐后的足地作用力； 频域第五步(S15):根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行频域第八步(S18);如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行频域第六步(S16); 频域第六步(S16):需要扩充样本时，以足地作用力曲线的参考点为基准，对波形对齐后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量；频域第七步(S17):采用L层小波包分解算法从拆分出的分段足地作用力中提取出分段的步态频域特征； 频域第八步(S18):不需要扩充样本时，采用L层小波包分解算法从波形对齐后的足地作用力中提取出全程的步态频域特征； 所述步态时域特征提取的步骤如下 时域第一步(S21):通过三维力测力板获取人正常步行通过步态通道时的足地作用力，将一次无停留无返回正常连贯地从步态通道上步行通过时的足地作用力作为一条有效的步态数据，传输并保存到计算机(PC)中； 时域第二步(S22):采用小波变换硬阈值法对足地作用力进行去噪处理，获取去噪后的足地作用力； 时域第三步(S23):采用一阶差分算法分别检测出去噪后的足地作用力中的前后剪切力曲线和垂直支撑力曲线上的波峰点和波谷点，将波峰点和波谷点作为足地作用力曲线的关键点，将垂直支撑力曲线上的波谷点作为足地作用力曲线的参考点； 时域第四步(S24):根据应用场所步态数据采集的难易程度判断是否需要扩充样本，如果在人员固定的场所，可以多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则不需要扩充样本，执行时域第七步(S27);如果在机场、商场和海关等人员流动性强的场所，不能多次采集每个人分别以不同行走速度和穿不同的鞋子正常通过步态通道的步态数据，则需要扩充样本，执行时域第五步(S25); 时域第五步(S25):需要扩充样本时，以足地作用力曲线的参考点为基准，对去噪后的足地作用力进行样本拆分，拆分成多个分段足地作用力，扩充步态数据样本的数量； 时域第六步(S26):以每一个分段足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征分段的步态时域特征； 时域第七步(S27):不需要扩充样本时，以去噪后的足地作用力中的垂直支撑力曲线上的关键点处的力值及力值出现的时相、相邻关键点的作用力变化率和冲量和对应的前后剪切力曲线上的关键点处的力值、驱动冲量和制动冲量表征全程的步态时域特征； 所述波形对齐的步骤如下 波形对齐第一步采用线性插值算法将去噪后的足地作用力数据的维数归一化到同一值GXNp，Np为使用的三维力测力板的总数，G为与采样频率相关的步距参数，将G设定为50的整数倍； 波形对齐第二步通过一阶差分算法搜索出维数归一化后的足地作用力中的垂直支撑力曲线上的η个波谷点，将η个波谷点作为参考点； 波形对齐第三步以垂直支撑力曲线上的参考点为参照，通过线性插值将足地作用力中的左右剪切力曲线、前后剪切力曲线和垂直支撑力曲线对齐，使得垂直支撑力曲线上的η个波谷点分别对齐到指定的位置，第η个波谷点对齐到GX (η-0. 5)； 所述样本拆分的步骤如下 样本拆分第一步通过一阶差分算法搜索出足地作用力中垂直支撑力曲线上的η个波谷点，将η个波谷点作为参考点； 样本拆分第二步以垂直支撑力曲线上的参考点为分割点，分别将足地作用力中的左右剪切力曲线、前后剪切力曲线和垂直支撑力曲线中位于第一个参考点和最后一个参考点之间的部分拆分成η-1段，将两相邻参考点之间的足地作用力数据提取出来，作为一个新的样本，共拆分出η-1个样本。
2.一种根据权利要求1所述基于足地作用力的步态特征提取方法的步态识别系统，其特征在于，包括步态数据采集模块(MDl)和步态数据处理与识别模块(MD2) 所述步态数据采集模块(MDl)，由Np个三维力测力板(MDlI)和I个数据采集与传输单元(MD12)组成，Np个三维力测力板(MDll)电连接，将它们紧密平齐且隐蔽地安装在地面(Flo)下构成步态通道(GW)，数据采集与传输单元(MD12)的一端通过以太网与Np个电连接的三维力测力板(MDll)电连接，数据采集与传输单元(MD12)的另一端通过USB数据线(DL)与计算机(PC)电连接，实现足地作用力数据的实时采集和处理； 所述步态数据处理与识别模块(MD2)，是安装在计算机(PC)中的软件模块，该模块首先通过小波变换硬阈值法对采集到的足地作用力进行去噪处理，然后通过步态特征提取方法提取步态频域特征和步态时域特征来表征步态，再通过步态特征融合建立步态特征集，最后采用支持向量机分类器对步态进行识别。
3.按权利要求2所述基于足地作用力的步态特征提取方法的步态识别系统，其特征在于所述步态数据处理与识别模块(MD2)，是对获取的步态数据进行处理和特征提取并实现远距离隐蔽式步态识别的模块，包括 步态数据去噪单元(MD21)，采用小波变换硬阈值法去除采集到的足地作用力中的工频噪声和电磁干扰等噪声，获取信噪比高的步态数据； 波形对齐单元(MD22)，采用所述波形对齐的步骤将采集到的所有人员样本的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点将足地作用力自动对齐； 样本拆分单元(MD23)，采用所述样本拆分的步骤将采集到的足地作用力按照足地作用力中的垂直支撑力曲线上的参考点拆分成多个分段足地作用力； 步态频域特征提取单元(MD24)，采用所述步态频域特征提取的步骤从经过去噪和波形对齐，或再进一步经过样本拆分处理的足地作用力中提取小波包分解系数来表征步态频域特征； 步态时域特征提取单元(MD25)，采用所述步态时域特征提取的步骤从经过去噪甚至经过样本拆分处理的足地作用力曲线上计算关键点处的力值和时相、相邻关键点的变化率和冲量来表征步态时域特征； 步态特征融合单元(MD26)，采用模糊C均值算法从提取的步态频域特征中挑选出最小最优步态频域特征子集，再与步态时域特征直接组合，得到融合后的步态特征集； 步态识别单元(MD27)，采用支持向量机分类器对从足地作用力中提取的步态特征进行步态和身份识别。
全文摘要
本发明公开了一种基于足地作用力的步态特征提取方法及步态识别系统，该系统包括步态数据采集模块和步态数据处理与识别模块，步态数据采集模块隐蔽无侵扰地获取步行时的足地作用力，步态数据处理与识别模块从中提取步态特征并进行步态识别；步态特征提取的步骤是采用小波变换硬阈值法对足地作用力去噪，再采用一阶差分算法检测关键点并计算步态时域特征，对足地作用力进行波形对齐后采用小波包分解系数表征步态频域特征。用于识别时，采用模糊C均值算法挑选出最优步态特征集，再基于支持向量机对步态分类或识别。本发明采集的步态信息自然真实且不易被模仿，提取的步态特征全面准确，可以更好地满足步态分析、分类和远距离步态识别的需求。
文档编号G06K9/00GK103049741SQ20121056272
公开日2013年4月17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, 孙怡宁, 周旭, 刘遥, 李丹, 王重阳, 徐玉兵, 许胜强 申请人:中国科学院合肥物质科学研究院