雖然步態(tài)識別是一個新興的研究領(lǐng)域,，但是近年來已經(jīng)涌現(xiàn)出了一些嘗試性的工作,。最早提出步態(tài)識別算法的是Niyogi與Adelson等人。Cunado和Nixon等人提出了一種基于模型的特征提取分析方法,，VHT(velocity hough transform),。Kale等人將行人的外輪廓寬度作為圖像特征，提出了一種依賴于角度的識別方法,。而Johnson和Bobick提出了一種不依賴于角度的步態(tài)識別算法,。Sarkar等人提出了步態(tài)識別的基線算法。Lee等人提出了一種基于步態(tài)外形的表達(dá)方法,，其具體做法是先將人體的各個部分映射到幾個橢圓組成的模型上,，然后用其質(zhì)心位置和離心率作為步態(tài)特征來進(jìn)行步態(tài)識別。Wang等人提出了一種簡單有效的,、基于人體運(yùn)動輪廓的識別算法,。值得注意的是，步態(tài)識別的研究尚處于初級階段,，表現(xiàn)在：a．實(shí)驗(yàn)都是在特定的環(huán)境下進(jìn)行的,，比如相對簡單固定的背景，人相對于攝像機(jī)側(cè)面行走,，攝像機(jī)固定不動等；b．算法的評估都是在小樣本數(shù)據(jù)庫上進(jìn)行的,，而且數(shù)據(jù)庫也不規(guī)范,。

 

　　迄今為止，針對步態(tài)識別所進(jìn)行的研究幾乎全部是基于PC機(jī)的,，而在許多情況下,，卻需要非PC機(jī)環(huán)境,，所以研究基于嵌入式平臺的步態(tài)識別系統(tǒng)，具有一定的工程意義,。本系統(tǒng)的功能是對采集到的步態(tài)視頻序列進(jìn)行圖像處理,，得到視頻序列中的人體步態(tài)信息，再由步態(tài)算法根據(jù)所得到的步態(tài)信息進(jìn)行步態(tài)識別,。

 

　　1 系統(tǒng)結(jié)構(gòu)

 

　　本嵌入式自動步態(tài)識別系統(tǒng)主要包括CCD攝像機(jī),、圖像采集卡、嵌入式系統(tǒng),、顯示屏等,。其中最為核心的是嵌入式系統(tǒng)部分，它包括Renesas 32位嵌入式芯片SH7709S,、存儲器,、外圍電路、鍵盤,、鼠標(biāo)等,。主要完成視頻序列信號的預(yù)處理、處理,、步態(tài)識別,、顯示輸出等功能。該系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示,。

2 步態(tài)識別的基本原理

　　2．1 雙目立體視覺

　　雙目立體視覺是今年來在圖像測量領(lǐng)域發(fā)展起來的一種新技術(shù),，與單目視覺相比，雙目視覺有以下優(yōu)點(diǎn)：可以獲得單目視覺中所沒有的視差或者深度信息,；當(dāng)場景中有遮擋發(fā)生時,，雙目立體視覺可以很好地處理遮擋。因?yàn)椴綉B(tài)識別的場景難免存在遮擋,，為了更好地從各個方向獲得步態(tài)視頻序列,，從而能夠?yàn)檫M(jìn)行正確的步態(tài)識別作出鋪墊，所以采用雙目立體視覺來獲取人體步態(tài)視頻序列,。

　　在本實(shí)驗(yàn)中,，兩個CCD攝像機(jī)分別固定在一個三角架的兩邊，組成雙目立體視覺,。

　　2．2 步態(tài)圖像序列中的光流場

　　光流是指圖像中模式運(yùn)動的速度,。光流場是一種二維(2D)瞬時速度場，其中的2D速度矢量是景物中可見點(diǎn)的三維(3D)速度矢量在成像表面的投影,。光流不僅包含了被觀察物體的運(yùn)動信息,，而且攜帶著有關(guān)景物3D結(jié)構(gòu)的豐富信息。光流法假定相鄰時刻之間的間隔很小(一般為幾十ms)，從而相鄰時刻的圖像差異也比較小,。

　　2．2．1 光流的基本等式

　　光流亮度不變性描述的是圖像上某個象素點(diǎn)的灰度值隨時間的變化率為零,，即,展開為

　　若記其中u和v是該點(diǎn)的光流的x分量和y分量，則式(1)為

　　式(2)就為光流計算的基本等式,。

　　2．2．2 光流有關(guān)的計算

　　對于圖像上的每一點(diǎn)(xi,yi),，求解光流場方程(2)，得到由迭代形式表示的解為：

　　2．3 光流場中運(yùn)動特征的提取

　　從光流中提取的特征包括運(yùn)動點(diǎn)T,，加權(quán)的運(yùn)動點(diǎn)|(u,v)|,，|u|，|v|,，以及光流分布的質(zhì)心特征等,。通過光流場，利用T(u,，v)將運(yùn)動點(diǎn)(白色)和非運(yùn)動點(diǎn)(黑色)區(qū)分開來,，由下式表示：

　　在本實(shí)驗(yàn)中，選取|(u,，v)|加權(quán)橫坐標(biāo)作為從光流場中提取的步態(tài)特征,。

　　2．4 步態(tài)特征的數(shù)據(jù)融合

　　對于所提取的步態(tài)特征xuc和yuc，由數(shù)據(jù)融合算法D-S合成公式：

　　其中m1和m2是特征空間上的兩個mass函數(shù),，N為矛盾引子,，

 2．5 識別

　　將由數(shù)據(jù)融合得出的特征進(jìn)行基于PCA的特征空問變換。假設(shè)初始的訓(xùn)練樣本集為T={pi-j},i=1,，2,，…，C,，j=1,，2，…,，Ni,；第i個人第j個步態(tài)樣本向量為Xij，而樣本總數(shù)為NT=N1+N2+…+Nc,。

　　求樣本集的總體均值向量μ和協(xié)方差矩陣∑,，

　　如果協(xié)方差矩陣∑的秩為N，由det|λI-∑|=0求得矩陣∑的N個特征值λ1,，λ2,，λ3，…,，λN,，并由矩陣方程λiI-∑=0,，i=0,1,2，…,，N;求得對應(yīng)于N個特征值λ1，λ2,，λ3,，…，λN的N個特征向量e1,，e2,，e3，…,，eN,。選取與前K個最大特征值對應(yīng)的前K個特征向量，并使其中α表示樣本集在前K個軸上的能量占整個能量的百分比,。通常取α值接近于1,，以使得樣本集在前K個軸上的能量幾乎接近于整個能量。

　　用式(2)中所求得K個特征向量重建初始樣本集中的每個樣本,。算法如下：

　　這樣就得到一個K維的權(quán)向量Ωi,，j用于進(jìn)行識別。

　　選取最近鄰分類法進(jìn)行步態(tài)模式分類,。設(shè)經(jīng)過特征提取并向特征空間投影,，所得到的特征向量為Ω，求得Ω與每個每個模式類的平均向量Ω i,，j之間的歐幾立德距離,。

　　其中

　　由最近鄰分類法的判決準(zhǔn)則可知，當(dāng)εi(x)的值最小時,，則x∈εi,；否則x∈εi。

　　2．6 識別的有效性與錯誤率

　　根據(jù)模式識別的原理,，當(dāng)有兩類步態(tài)時,，步態(tài)識別的錯誤率由下式給出：

　　其中積分區(qū)間R1為當(dāng)w2誤判為w1時的誤判區(qū)間，而積分區(qū)間R2為當(dāng)w1誤判為w2時的誤判區(qū)間,。當(dāng)p(e)最小時,，識別越有效，而當(dāng)p(e)越大時,，識別性能越差,。當(dāng)有多類步態(tài)時，依次類推,。

　　3 系統(tǒng)實(shí)現(xiàn)

　　3．1 硬件實(shí)現(xiàn)

　　系統(tǒng)硬件連接框圖如圖2所示,。

　　3．2 軟件實(shí)現(xiàn)

　　系統(tǒng)軟件流程圖如圖3所示,。

　　4 結(jié)論

　　步態(tài)識別已成為近些年來計算機(jī)視覺領(lǐng)域新的研究方向。本文提出了一種簡單的自動步態(tài)識別方法,，并給出了基于Renesas嵌入式芯片的自動步態(tài)識別系統(tǒng),，從長遠(yuǎn)來看，該系統(tǒng)的應(yīng)用很廣泛,。