基于步態(tài)觸覺(jué)信息的身份識(shí)別研究.pdf

1、在安全認(rèn)證需求日趨普遍和嚴(yán)格的信息時(shí)代，身份證、特制鑰匙和密碼等傳統(tǒng)身份認(rèn)證技術(shù)因易被偽造而不能適應(yīng)新環(huán)境下的需求，生物特征識(shí)別技術(shù)被寄予厚望。指紋、掌紋、掌形、虹膜、人臉、DNA、語(yǔ)音和簽名等生物特征識(shí)別技術(shù)已在保證個(gè)人資訊安全，防止恐怖事件發(fā)生、打擊經(jīng)濟(jì)犯罪等方面發(fā)揮著重要作用。但這些生物特征識(shí)別技術(shù)屬于近距離身份識(shí)別技術(shù)，需要參與者密切配合，容易引起人權(quán)糾紛。步態(tài)識(shí)別作為一種獨(dú)特的遠(yuǎn)距離身份識(shí)別技術(shù)，其信息采集具有非侵入性和隱蔽性

2、等優(yōu)點(diǎn)，因此被采集對(duì)象不易察覺(jué)而偽裝，也不會(huì)引起人權(quán)糾紛。
　　 認(rèn)知科學(xué)、運(yùn)動(dòng)生物力學(xué)和刑事偵查學(xué)的研究表明，步態(tài)觸覺(jué)信息包含豐富的步行模式和習(xí)慣等個(gè)體特征，有鑒別身份的潛力。本文從運(yùn)動(dòng)生物力學(xué)的角度系統(tǒng)地研究了基于步態(tài)觸覺(jué)信息的身份識(shí)別方法，研究三維地面反作用力的獲取、預(yù)處理和步態(tài)特征提取、選擇及分類(lèi)識(shí)別的方法?；诓綉B(tài)觸覺(jué)信息的身份識(shí)別技術(shù)因其獨(dú)有的不受復(fù)雜背景干擾和遮擋影響的優(yōu)點(diǎn)，必將成為遠(yuǎn)距離身份識(shí)別領(lǐng)域的重要方向，該

3、研究工作具有重要的理論意義和廣闊的應(yīng)用前景。全文主要工作和創(chuàng)新性成果總結(jié)如下：
　　 (1)從多個(gè)角度分析了基于步態(tài)觸覺(jué)信息的身份識(shí)別的可行性及其研究意義，并制定了研究方案。使用5個(gè)自行研制的三維力測(cè)力臺(tái)以等間隔交替拼裝的方式搭建了一條步態(tài)觸覺(jué)信息采集通道，該通道可以獲取不同人群相對(duì)自然地行走時(shí)連續(xù)、完整的步態(tài)觸覺(jué)信息。利用此通道，我們建立了ITCSH Gait I、ITCSHGait II和ITCSH GaitⅢ三個(gè)規(guī)模不同、

4、信息量不同的步態(tài)觸覺(jué)信息數(shù)據(jù)庫(kù)，ITCSHGaitⅢ還包含5個(gè)視角的同步步態(tài)圖像序列。這三個(gè)步態(tài)數(shù)據(jù)庫(kù)的建立填補(bǔ)了目前國(guó)際上此類(lèi)步態(tài)數(shù)據(jù)的空白，對(duì)推動(dòng)步態(tài)識(shí)別研究具有積極作用。
　　 (2)為了保證數(shù)據(jù)質(zhì)量，選用小波變換硬閾值法對(duì)地面反作用力數(shù)據(jù)去噪。為了增強(qiáng)小波包分解提取的頻域步態(tài)特征的可比性，提出了波形對(duì)齊方法，還提出了有效擴(kuò)展步態(tài)樣本的樣本拆分方法。實(shí)驗(yàn)結(jié)果證實(shí)了這三種數(shù)據(jù)預(yù)處理方法對(duì)提高分類(lèi)性能有利。首次通過(guò)實(shí)驗(yàn)證實(shí)了對(duì)

5、地面反作用力進(jìn)行最小-最大值標(biāo)準(zhǔn)化、z-score標(biāo)準(zhǔn)化和體重加權(quán)標(biāo)準(zhǔn)化中任意一種以降低量綱差異為目的的數(shù)據(jù)標(biāo)準(zhǔn)化處理都會(huì)不同程度地降低分類(lèi)性能，并分析了可能的原因。
　　 (3)提出了一種基于波形特征點(diǎn)檢測(cè)的時(shí)域步態(tài)特征提取方法，該方法從三維地面反作用力中提取出反映步態(tài)整體和細(xì)節(jié)特征的時(shí)空參數(shù)和動(dòng)力學(xué)參數(shù)，并通過(guò)計(jì)算方法建立了一些構(gòu)造動(dòng)力學(xué)參數(shù)，將這些參數(shù)構(gòu)成具有明確物理意義的時(shí)域步態(tài)特征用于識(shí)別。我們還提出采用基于組內(nèi)相關(guān)系

6、數(shù)(ICC)的重復(fù)性驗(yàn)證方法和基于Kruskal-Wallis秩和檢驗(yàn)的差異顯著性檢驗(yàn)方法驗(yàn)證這些時(shí)域步態(tài)特征的穩(wěn)定性和唯一性，實(shí)驗(yàn)結(jié)果證明這些時(shí)域步態(tài)特征具有較好的穩(wěn)定性和差異性。也采用小波包分解方法提取了頻域步態(tài)特征，對(duì)比發(fā)現(xiàn)基于波形特征點(diǎn)檢測(cè)的時(shí)域步態(tài)特征提取方法有利于幫助理解步態(tài)識(shí)別的原理。
　　 (4)提出了組合相關(guān)性測(cè)度和最好優(yōu)先搜索的CFS特征選擇方法，該方法能最大限度地減少與分類(lèi)無(wú)關(guān)的冗余步態(tài)特征；還提出了利用分

7、類(lèi)器分類(lèi)性能反饋的SVM-Wrapper特征選擇方法，這兩種方法都能真正減少所需提取的特征數(shù)目。在實(shí)驗(yàn)和理論分析基礎(chǔ)上，提出了“CFS+PCA”和“CFS+SVM-Wrapper”兩種組合式特征選擇方法。我們選擇基于高斯徑向基核函數(shù)的支持向量機(jī)(RBF-SVM)分類(lèi)器測(cè)試了各種步態(tài)特征選擇方法的性能，實(shí)驗(yàn)結(jié)果證明了CFS法和SVM-Wrapper法具有優(yōu)良的性能，而“CFS+PCA”和“CFS+SVM-Wrapper”兩種組合式特征選擇

8、方法既能最大限度地降低特征維數(shù)，又能保持較好的分類(lèi)性能。采用模糊C均值判據(jù)（FCM法）對(duì)頻域步態(tài)特征進(jìn)行初選能夠大大降低特征維數(shù)。同時(shí)，分類(lèi)識(shí)別實(shí)驗(yàn)也證實(shí)了RBF-SVM分類(lèi)器在小樣本情況下也能夠?qū)⒉綉B(tài)樣本很好地分類(lèi)和識(shí)別出來(lái)，其分類(lèi)識(shí)別性能比KNN分類(lèi)器好很多。
　　 (5)分析發(fā)現(xiàn)，識(shí)別出錯(cuò)大多發(fā)生在體重接近人群和行走速度變化較大時(shí)。因此，我們提出了采用支持向量回歸模型從時(shí)域步態(tài)特征實(shí)時(shí)恢復(fù)被測(cè)對(duì)象的體重和身高，可以為提高步