步态识别国内外研究现状.pdfVIP

步态识别国内外研究现状

步态识别技术指通过分析人体步态的生物特征来识别和验证个

体身份的一种生物识别技术，该技术可以应用于安全监控、智

能家居、医疗健康等领域。本篇论文将从国内外两个方面介绍

步态识别技术的研究现状，并分析其存在的问题和未来发展趋

势。

一、国内步态识别研究

我国步态识别研究相对起步较晚，但近年来随着科技进步和应

用需求的增加，该领域取得了不少进展。目前国内主要的步态

识别技术包括基于视频的步态识别技术和基于惯性测量单元

（IMU）的步态识别技术。

1.基于视频的步态识别技术

基于视频的步态识别技术主要通过分析人体在行走过程中的姿

态变化、步幅、步速等特征，从而对个体进行身份验证。典型

的方法包括基于特征提取的方法、基于模式识别的方法和基于

深度学习的方法。

在特征提取方面，优化类的特征选择方法是目前应用最为广泛

的技术。例如，Weng等人提出了一种结合多特征的步态识别

方法，通过选择人体的关键帧并应用SIFT和HOG特征提取

来识别个体身份（Weng等，2016）。但是，该方法存在识别

率低和对光照等环境因素的敏感性等问题。

基于模式识别的方法可以分为有监督学习和无监督学习两种。

有监督学习方法需要先训练分类器，然后使用测试数据进行验

证。吕等人提出了一种基于矩形规范化的卷积神经网络

（CNN）模型，能够识别不同的步态(吕等，2018）。无监督

学习方法不需要事先提供标签数据，能够自动地组织数据，提

取有价值的结构。吴等人使用了非负矩阵分解方法来探索步态

数据中的隐藏结构（吴等，2017）。

基于深度学习的方法目前在步态识别领域也取得了不少进展。

Zhang等人提出了一种基于深度卷积神经网络（DCNN）的步

态识别算法，使用数据增强技术来增加训练数据的数量，并采

用多任务学习的方式同时考虑髋关节和膝关节的信息，从而提

高识别率（Zhang等，2020）。

2.基于IMU的步态识别技术

IMU是一种集成了加速度计、陀螺仪和磁力计等多种传感器

的设备，可以实时测量人体在空间中的运动状态。基于IMU

的步态识别技术主要是通过挖掘IMU传感器所提供的加速度

和角速度数据，来识别和验证个体身份。该技术与基于视频的

步态识别技术相比，具有时间分辨率高、适应环境性好、隐私

性强等特点，但精度相对较低。

目前，基于IMU的步态识别技术主要应用于智能鞋垫、手持

设备等个人佩戴设备上。该领域的研究者主要关注IMU数据

的预处理和特征提取方法，以及算法的实时性和稳定性等问题。

张等人提出了一种基于小波变换的步态识别方法，通过分析

IMU传感器的数据来提取多种步态特征，以提高识别准确率

（张等，2017）。焦等人则提出了一种基于最小平方支持向量

机（LS-SVM）的步态识别算法，能够在控制高斯白噪声的情

况下保持高识别率（焦等，2017）。

二、国外步态识别研究

相较于国内，国外步态识别研究领域更为成熟，经过多年的发

展，已经形成了一批具有代表性的研究机构和学者，并涌现出

多项重要的研究成果。目前，国外步态识别研究主要集中在以

下几个方向。

1.基于视频的步态识别技术

与国内步态识别技术的研究方向类似，国外步态识别技术的研

究也主要集中于基于视频的步态识别技术方向。目前，典型的

方法包括形态分析方法、局部划分方法、时空+深度学习等方

法。

形态分析方法主要是通过提取人体姿态、步幅和步速等特征，

以减小经典的影响因素，来提高识别水平。松本等人提出了一

种基于人体末端点信息的步态识别算法，通过对上下肢末端点

的距离、相对方向以及对称回归来提高步态识别准确度（松本

等，2020）。局部划分方法则是通过对人体不同部位进行划分，

并提取局部特征，来构建特征空间，从而提高识别水平。

Kodus等人提出了一种基于C3D网络的深度学习方法，通过

同时考虑foot-ankle、shin-knee和thigh-hip三个部位中的空间

和时间信息来识别步态（Kodus等，2020）。时空+深度学习

方法则是把时间和空间信息与深度学习相结合，能够进一步提

高步态识别的精度。Liu等人提出了一种基于时空三维卷积神

经网络（3D-CNN）的步态识别方法，通过融合时间和空间信

息，从而提高识别率（Liu等，2021）。

2.基于传感器的步态识别技术

基于传感器的步态识别技术主要是通过采集人体运动信息，并

提取与步态相关的特征进行识别。这种技术相对于基于视频的

步态识别技术，在逼格低和适应