雖然步態(tài)識(shí)別是一個(gè)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(shí)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(shí)別方法。而Johnson和Bobick提出了一種不依賴于角度的步態(tài)識(shí)別算法,。Sarkar等人提出了步態(tài)識(shí)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(gè)部分映射到幾個(gè)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(shí)別,。Wang等人提出了一種簡單有效的、基于人體運(yùn)動(dòng)輪廓的識(shí)別算法,。值得注意的是,，步態(tài)識(shí)別的研究尚處于初級(jí)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(duì)簡單固定的背景,，人相對(duì)于攝像機(jī)側(cè)面行走，攝像機(jī)固定不動(dòng)等,；b．算法的評(píng)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(duì)步態(tài)識(shí)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(tái)的步態(tài)識(shí)別系統(tǒng),，具有一定的工程意義。本系統(tǒng)的功能是對(duì)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(shí)別,。

 

　　1 系統(tǒng)結(jié)構(gòu)

 

　　本嵌入式自動(dòng)步態(tài)識(shí)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(chǔ)器,、外圍電路,、鍵盤、鼠標(biāo)等,。主要完成視頻序列信號(hào)的預(yù)處理,、處理、步態(tài)識(shí)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(shí)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(cè)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(chǎng)景中有遮擋發(fā)生時(shí),，雙目立體視覺可以很好地處理遮擋,。因?yàn)椴綉B(tài)識(shí)別的場(chǎng)景難免存在遮擋，為了更好地從各個(gè)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(shí)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(gè)CCD攝像機(jī)分別固定在一個(gè)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(chǎng)

　　光流是指圖像中模式運(yùn)動(dòng)的速度,。光流場(chǎng)是一種二維(2D)瞬時(shí)速度場(chǎng),，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(dòng)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(shí)刻之間的間隔很小(一般為幾十ms)，從而相鄰時(shí)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(gè)象素點(diǎn)的灰度值隨時(shí)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(jì)算的基本等式,。

　　2．2．2 光流有關(guān)的計(jì)算

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

　　2．3 光流場(chǎng)中運(yùn)動(dòng)特征的提取

　　從光流中提取的特征包括運(yùn)動(dòng)點(diǎn)T，加權(quán)的運(yùn)動(dòng)點(diǎn)|(u,v)|,，|u|,，|v|，以及光流分布的質(zhì)心特征等,。通過光流場(chǎng),，利用T(u，v)將運(yùn)動(dòng)點(diǎn)(白色)和非運(yùn)動(dòng)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(chǎng)中提取的步態(tài)特征,。

　　2．4 步態(tài)特征的數(shù)據(jù)融合

　　對(duì)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(gè)mass函數(shù)，N為矛盾引子,，

 2．5 識(shí)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(gè)人第j個(gè)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(gè)特征值λ1，λ2,，λ3,，…，λN,，并由矩陣方程λiI-∑=0,，i=0,1,2，…,，N;求得對(duì)應(yīng)于N個(gè)特征值λ1,，λ2，λ3，…,，λN的N個(gè)特征向量e1,，e2，e3,，…,，eN。選取與前K個(gè)最大特征值對(duì)應(yīng)的前K個(gè)特征向量,，并使其中α表示樣本集在前K個(gè)軸上的能量占整個(gè)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(gè)軸上的能量幾乎接近于整個(gè)能量,。

　　用式(2)中所求得K個(gè)特征向量重建初始樣本集中的每個(gè)樣本,。算法如下：

　　這樣就得到一個(gè)K維的權(quán)向量Ωi，j用于進(jìn)行識(shí)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(gè)每個(gè)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(shí)，則x∈εi,；否則x∈εi,。

　　2．6 識(shí)別的有效性與錯(cuò)誤率

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

　　其中積分區(qū)間R1為當(dāng)w2誤判為w1時(shí)的誤判區(qū)間,，而積分區(qū)間R2為當(dāng)w1誤判為w2時(shí)的誤判區(qū)間。當(dāng)p(e)最小時(shí),，識(shí)別越有效,，而當(dāng)p(e)越大時(shí)，識(shí)別性能越差,。當(dāng)有多類步態(tài)時(shí),，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(shí)別已成為近些年來計(jì)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(dòng)步態(tài)識(shí)別方法,，并給出了基于Renesas嵌入式芯片的自動(dòng)步態(tài)識(shí)別系統(tǒng),，從長遠(yuǎn)來看，該系統(tǒng)的應(yīng)用很廣泛。