基于压力感知的步态识别研究现状.pdf

2023 年化 工 自 动 化 及 仪 表基金项目院吉林省高等教育教学改革研究课题渊JLJY202377910357冤曰吉林市科技创新发展计划项目渊20210103098冤曰北华大学国家级大学生创新创业训练计划项目渊202110201114冤遥作者简介院黄凯渊1996-冤袁硕士研究生袁从事基于压力感知的步态识别方面的研究遥通讯作者院邹青宇渊1983-冤袁副教授袁从事复杂网络的研究袁遥引用本文院黄凯袁周旭辉袁梅健袁等.基于压力感知的步态识别研究现状咱J暂.化工自动化及仪表袁2023袁50渊4冤院406-410.步态识别作为一种生物特征识别技术袁在身份识别尧健康检测及智能家居等应用场景中具有极大的发展空间袁与人脸尧指纹及虹膜等其他生物技术相比袁 传统的步态识别不需要人为的接触袁可以使用摄像机远距离采集步态信息遥 此外NIXON M 研究发现袁人的步态特征具有唯一性咱1暂袁从而使步态识别在安全防护尧智能监控等领域有可观的发展空间咱2暂遥步态识别在 1994 年被首次提出咱3暂遥与过去基于机器视觉的步态研究相比袁近些年随着传感器的更新和发展袁采用压力传感器来采集信号再通过算法进行步态识别的研究已成为一个比较热门的方向遥 因此袁基于可穿戴传感器和基于地板传感器的步态识别咱4暂在步态识别技术的研究中脱颖而出袁其中基于地板传感器和可穿戴传感器的系统以传感器为核心部件来采集数据遥 根据所使用的传感器类型袁基于可穿戴的步态识别系统一般分为两种院表面肌电图渊Surface Electromyogra鄄phy袁SEMG冤系统和微机电系统渊Microelectro Me鄄chanical Systems袁MEMS冤曰 基于地板传感器的系统可分为 3 种院压电式传感器系统尧压阻式传感器系统和电容式传感器系统遥1基于可穿戴传感器的步态识别1.1可穿戴传感器的发展现状压力传感器能够将来自外界的模拟信号转换为数字信号方便人们进行观察分析袁依据不同传感原理设计的传感器具有多种多样的特点与其各自适用的场景咱5暂遥 随着研究者们对压力传感器的深入研究袁目前袁数据采集和特征提取被普遍应用到柔性压力传感器上袁柔性压力传感器的设计指标主要在于灵敏度尧响应时间尧数据准确性及稳定性等性能遥 基于可穿戴传感器的步态识别对于柔性压力传感器的选用需要从脚底的舒适度尧设备价格与性能尧适用条件等诸多的因素来综合考虑遥 云服务技术的兴起袁推动了可穿戴传感器对于数据采集与传输的研究发展咱6暂遥 笔者主要从 3 个方面总结了可穿戴传感器的步态识别院基于下肢传感器尧基于足底传感器尧基于多传感器遥1.2基于下肢传感器的步态识别下肢运动是通过人体各个肌肉相互协调配合形成的动作袁各个肌肉在运动中的作用各有不同袁因此要实现步态识别的功能袁需要用多个传感器对各个部位分别采集信息袁整个系统一般由DOI:10.20030/ki.1000鄄3932.202304002基于压力感知的步态识别研究现状黄凯1周旭辉2梅健1邹青宇2渊1.吉林化工学院信息与控制工程学院曰2.北华大学电气与信息工程学院冤摘要归纳了压力感知方向的步态识别技术近年来的研究现状袁 分别阐述可穿戴式传感器和地板压力传感器两种应用方向袁并分析尧对比各自的优势与不足遥 最后对压力感知方向的步态识别技术进行了展望遥关键词步态识别压力感知传感器人工智能中图分类号TP212.9文献标识码A文章编号1000鄄3932渊2023冤04鄄0406鄄05406第 50 卷第 4 期化 工 自 动 化 及 仪 表4 个主要模块组成院数据采集模块袁使用传感器对下肢运动参数进行采集曰无线传输模块袁将采集的数据传到 PC 端曰 电源模块袁 为传感器提供动力曰数据处理模块袁对传输来的数据进行整理尧比对和分析遥基于下肢传感器的方法一般采用表面肌电图 系 统 袁 肌 电 信 号 由 有 源 表 面 电 极 收 集 遥MEHMOOD A 等用腿部的两个关键肌肉区域放置的可穿戴式肌电图传感器咱7暂袁检测肌肉疲劳袁评估跌倒的风险遥 与表面肌电图系统类似袁表皮传感器系统也被放置在皮肤上进行检测袁KIM K K等研究了一种基于深度神经网络裂纹检测的新型电子皮肤袁该皮肤呈蛇形袁能够适应皮肤表面咱8暂遥吴平平等用获取的单肌肉表面肌电信号和加速度信号来识别步态信息咱9暂遥 选定股直肌作为实验相关肌肉袁 采集其表面肌电和加速度信号袁采用小波去噪原理降低外界干扰对数据采集造成的影响袁 采用核主成分分析 渊Kernel PrincipalComponents Analysis袁KPCA冤方法咱10暂对数据进行信息融合袁利用支持向量机渊Support Vector Ma鄄chine袁SVM冤算法咱11暂与 BP 神经网络分别建模袁最后获得了较高的识别率袁 但其仍然面临舒适性差尧数据类型不全面等问题遥1.3基于足底传感器的步态识别足部是人体运动中使用最频繁的部位袁足底压力包含丰富的步态信息袁 可用于识别人体状态遥 然而袁足底压力受年龄尧穿戴尧身体状态及外界环境等诸多因素的影响遥 因此学者们对足底压力分布特征进行了统计分析袁并研究出各种形式的足底压力信息收集方法及步态识别方法与算法遥 基于足底传感器的方法大多采用测力鞋垫系统袁需要对足底部位进行分区研究遥 根据人体生物力学研究袁支撑相和摇摆相是正常人体完成一个行走周期的必要动作袁支撑相可以细分为足跟着地期尧负荷反应期和足尖离地期咱12暂遥宋礼文等提出一种算法袁对足部运动数据加以提取袁 其把整个足部活动划分为着地阶段尧整足接触阶段尧足跟离地阶段和离地阶段 4 个阶段咱13暂袁分解过程如图 1 所示遥 采用多贝西小波渊Daubechies Wavelet冤对数据进行预处理袁减少干扰遥 将传感器采集的一次数据视为一个数据切片袁计算足底压力峰值-均值遥 根据计算的压力峰值进行足部运动特征提取袁采集到的足底数据可以很好地满足步态识别的准确性袁 且冗余量少袁但对特殊人群尧特定环境还有待提升遥图 1足部运动分解过程1.4基于多传感器的步态识别多传感器结合下肢传感器与足底压力传感器的数据尧特征及信号等袁可以使得识别精度更高遥 因此基于多传感器的步态识别较基于下肢传感器与基于足底传感器的来说袁 可以更精确尧全面地采集数据遥 将识别过程设备分为惯性测量单元渊Inertial Measurement Unit袁IMU冤和足底压力测量单元两个部分遥 将 IMU 固定在人体的下肢袁用于采集下肢数据袁使用压力鞋垫采集人的足底压力数据袁采集到的数据传输到穿戴在腰间的微处理器内袁微处理器负责数据的采集与传输袁将数据传输到主机中袁再由主机完成复杂的计算遥吕佳乐等设计了基于多传感器信息的人体下肢步态识别系统咱14暂袁系统整体框架如图 2 所示遥 系统采用了柔性姿态传感器与足底压力鞋垫袁重新构建了数据收集体系并利用二阶卡尔曼滤波咱15暂对双腿下肢关节角度信息进行计算袁采用比例化和模糊化的方法来对不同的足底进行处理袁利用 SVM 进行识别研究遥 通过同一人多次实验验证了算法的有效性尧正确性尧通用性袁具有更4072023 年化 工 自 动 化 及 仪 表高的识别准确率和更低的信号处理负荷遥 但过多的穿戴袁不仅成本上更高袁而且要比采用单一传感器对人的行为操作造成的影响更大袁舒适性也有一定影响遥图 2文献咱14暂算法整体框架2基于地板传感器的步态识别2.1地板传感器的研究现状地板传感器系统需要用到的技术包括采集装置的选取尧压力数据的特征提取及识别算法的设计等遥 采集装置可嵌入地面或采用隐蔽性强的摄像头袁以保证装置的隐蔽性曰压力数据包括压力分布尧形状特征及最大压力等参数曰识别算法有 SVM尧极限学习机渊Extreme Learning Machine袁ELM冤算法咱16暂及卷积神经网络渊Convolutional Neu鄄ral Networks袁CNN冤算法咱17暂等遥 与可穿戴传感器相比袁地板传感器虽然有不需要人为佩戴的便利以及隐藏性强等优点袁但为了保证信息采集的准确性袁实际应用中需要用到大量的传感器袁因此基于地板传感器的步态识别所需的成本较高袁应用场合也有一定的局限性遥 地板传感器的步态识别主要分两个方面院基于地板压力的传感器和基于视触结合的地板传感器遥2.2基于地板压力的传感器地板传感器的研究与实验大多用测力台和测力板来实现袁通过采集行走人员的脚掌压力分布情况及其变化趋势进行特征分析袁从而对进出人员身份进行鉴别袁在一些特定场所也可以布置基于地板传感器的步态识别系统袁检测人员出入时体重和步态的微小变化袁判别人员的物品携带问题遥 杨春生等提出一种可应用于入侵防范系统的步态识别方法咱18暂袁采用 60伊40 的矩阵排列方式收集测力板采集的足底触觉信息袁并对数据进行预处理从而降低误差袁然后采用基于 CNN 模型的算法进行特征提取咱19暂袁最后通过数据识别结果分析得到袁静态数据得到了很高的识别率袁动态数据得到了较高的识别率袁但在静态识别率稳定在95%以上的情况下袁动态识别率仍有待提高遥2.3基于视触融合的地板传感器视触融合的步态识别方式是地面压力传感器与远处的摄像头相结合的方法遥 与单一地面传感器相比袁视触融合的方法不仅能提升识别准确率袁应用范围也更加广泛遥 李昱等提出一种全身步态模型咱20暂袁该模型将视觉与触觉两种特征进行融合袁算法包括全身步态模型的建立尧视触觉特征的提取和分类器的分类识别遥 对步行动作进行分析袁建立身体质量与地面所受压力的动力学关系袁触觉特征通过地面仪器获得袁分别求解支撑腿加速度尧摆动腿加速度和上半身加速度遥 实验系统采用 Walkway 步道式足底压力测试设备和应用广泛的微软 Kinect for Windows V2.0 进行特征提取咱21暂遥 分类器的分类识别选用径向基核函数渊Radial Basis Function袁RBF冤构造多分类器袁这是一种基于 SVM 的学习方法咱22暂袁这种方法可以尽可能避免由于欠学习和过学习而导致的问题的发生遥 RBF 有效降低了不同穿搭尧背包负重等因素408第 50 卷第 4 期化 工 自 动 化 及 仪 表对步态识别率造成的干扰袁得到了较高的步态识别率遥 建立的实验系统也能更方便快捷地进行特征提取和模型验证遥 文中模型采用了对足底压力分区增加特征识别点的方式袁 具有很好的稳健性袁 但目前国内该方面的研究仍处于发展阶段袁数据库也有待完善袁因此识别率仍有待提高遥3总结与展望3.1总结基于压力感知的步态识别袁现在逐渐成为步态识别应用中的一个重要研究方向遥 步态识别作为近年来越来越热门的技术袁由于在某些特定领域的应用有优于其他生物识别技术的优点袁吸引了越来越多的学者对其进行深入的研究遥 目前袁步态识别研究仍处于探索阶段袁与其他成熟的生物识别应用相比还有一段发展路程遥 对于可穿戴压力传感器袁舒适性尧敏感性尧数据的延迟尧采集的准确性问题仍亟待改善袁其中多传感器融合中各部分的协调性尧数据的抗干扰性及识别的准确性等不足之处仍有待提高曰 对于地板压力传感器袁铺设所需花费的资源尧抗压性尧高昂的成本及各种环境造成的影响等问题也需要考虑遥 为了克服单一识别的不足袁与其他生物识别技术相互融合的识别可能会逐渐变成一个热门的方向遥3.2展望步态识别作为识别技术中的一种研究方向袁虽然有其他识别技术没有的优点袁但由于其便利性尧成本以及其他因素袁还未能像面容尧指纹等技术一样成熟地应用在日常生活中遥 基于压力感知的步态识别技术未来的发展方向有院a.算法的创新与优化遥 目前的算法可以识别单人静态的足底压力信息袁但对于多人的尧动态的情况袁尤其是运用在复杂环境中时袁则需要考虑到方方面面袁因此对于算法的创新与优化是非常必要的遥b.传感材料的发展与设计遥 传感材料的进一步发展对于步态识别来说也是至关重要的袁选用更敏感尧传输速率更快的传感材料可以有效地改善采集数据的准确性袁增加采集数据的类型以及提高识别的速率袁 从而提高步态识别的准确性遥此外袁 随着步态识别技术在未来的应用普及袁舒适性尧便携性尧可忽略性以及成本问题也需要加以考虑遥c.数据采集与传输遥 近年来袁无线传感器的发展为动静态数据的采集提供了极大的便利袁但与此同时袁 无线传感器也存在数据传输准确率低尧失真率高及传输速率低等一系列问题袁因此袁在未来对于无线传感器的数据采集和传输也是一个亟待解决并需要不断提高的问题遥d.数据的筛选遥 对于单特性的数据采集来说袁需要确定采集到的数据的类型遥 对于多特性相互融合的数据采集来说袁不仅需要确定数据类型袁还需要注意冗余数据遥 不论是单特性还是多种特性相互融合袁都需要将大量采集到的数据进行融合筛选袁将融合的数据提炼简化并提取所需要的数据袁从而降低数据筛选方面的成本遥e.数据库的创建与完善遥 相较于比较成熟的指纹识别技术袁基于压力的步态数据库信息还十分匮乏遥 在研究的过程中袁研究者们可以使用的压力数据也非常局限袁往往需要寻找志愿者或自己充当实验对象袁 此过程浪费大量的时间与精力袁 而且采集的数据信息一般都是小范围内的袁因其特异性和区域的局限性不能广泛应用遥 因此袁建立可以共享的数据库是十分必要的遥参考文献咱1暂NIXON M.Gait biometrics 咱J暂.Biometric TechnologyToday袁2008袁16渊7鄄8冤院8-9.咱2暂邬明汉袁黄永祯袁郭柏冬袁等.基于步态识别的视频侦查技术与应用咱J暂.中国人民公安大学学报渊自然科学版冤袁2021袁27渊3冤院22-28.咱3暂SHAKHNAROVICH G袁LEE L袁DARRELL T.Inte鄄grated face and gait recognition from multiple views咱C暂 椅Proceedingsofthe2001IEEEComputerSociety Conference on Computer Vision and PatternRecogni鄄tion.IEEE袁2001院1439-1446.咱4暂DERAWI M O袁BOURS P袁HOLIEN K.Improved CycleDetection for Accelerometer Based Gait Authentication咱C暂/Sixth International Conference on IntelligentInformation Hiding&Multimedia Signal Processing.IEEE袁2010.DOI:10.1109/IIHMSP.2010.84.咱5暂白成袁耿达袁周伟袁等.高性能电阻型柔性压力传感器研究进展咱J暂.微纳电子技术袁2021袁58渊7冤院559-570.咱6暂闻建强.支持云服务高性价比可穿戴设备的设计研究咱J暂.吉林化工学院学报袁2021袁38渊7冤院36-42.咱7暂MEHMOOD A袁NADEEM A袁ASHRAF M袁et al.A fallrisk assessment mechanism for elderly people through4092023 年化 工 自 动 化 及 仪 表muscle fatigue analysis on data from body area sensornetwork咱J暂.IEEE Sensors Journal袁2021袁21渊5冤院6679-6690.咱8暂KIM K K袁HA I袁KIM M袁et al.A deep鄄learned skinsensor decoding the epicentral human motions 咱J暂.Nature Communications袁2020袁11院2149.咱9暂吴平平袁徐剑华袁杜明家袁等.基于单肌肉表面肌电-加速度融合的步态识别咱J暂.合肥工业大学学报渊自然科学版冤袁2020袁43渊7冤院884-889.咱10暂DENG F Y袁YANG S P袁LIU Y Q袁et al.Fault diag鄄nosis of rolling bearing using the Hermitian waveletanalysis袁KPCA and SVM咱C暂/2017 InternationalConference on Sensing袁Diagnostics袁Prognostics袁andControl渊SDPC冤.IEEE袁2017院632-637.咱11暂张语萌袁李志俊袁步子豪袁等.基于 SVM鄄KNN 的人体步态相位识别咱J暂.科技视界袁2019渊28冤院23-24曰26.咱12暂贾山袁路新亮袁韩亚丽袁等.在摆动相中用于下肢外骨骼跟踪人体踝关节轨迹的方法咱J暂.东南大学学报渊自然科学版冤袁2014袁44渊1冤院87-92.咱13暂宋礼文袁向长城袁邱达袁等.基于足底压力分布的足部运动特征提取咱J暂.医用生物力学袁2021袁36渊3冤院431-436.咱14暂吕佳乐袁高学山袁石永杰袁等.基于多传感器信息的人体下肢步态识别咱J暂.兵工自动化袁2021袁40渊10冤院85-90.咱15暂赵瑜袁周波袁綦俊峰袁等.基于双阶卡尔曼滤波的九轴姿态融合算法研究咱J暂.电子世界袁2019渊7冤院98-99.咱16暂赵治羽袁马磊袁孙永奎.基于足底压力传感器的步态识别方法研究 咱J暂.电子测量技术袁2019袁42渊13冤院26-31.咱17暂OU J袁LI Y J.Vector鄄kernel convolutional neuralnetworks咱J暂.Neurocomputing袁2019袁330院253-258.咱18暂杨春生袁化晨冰袁王鸣镝袁等.一种可用于入侵防范的步态识别方法研究 咱J暂.计算机应用与软件袁2017袁34渊3冤院248-251.咱19暂HINTON G E袁SALAKHUTDINOV R R.Reducing thedimensionality of data with neural networks 咱J暂.Science袁2006袁313渊5786冤院504-507.咱20暂李昱袁季文彬袁戴士杰.全身步态模型的视触融合步态识别算法 咱J暂.哈尔滨工业大学学报袁2022袁54渊1冤院88-95.咱21暂HUITZIL I袁DRANCA L袁BERNAD J袁et al.Gait reco鄄gnition using fuzzy ontologies and Kinect sensor data咱J暂.International Journal of Approximate Reasoning袁2019袁113院354-371.咱22暂WANG H袁FAN Y Y袁FANG B F袁et al.Generalizedlinear discriminant analysis based on euclidean normfor gait recognition咱J暂.International Journal of Ma鄄chine Learning and Cybernetics袁2018袁9渊4冤院569.渊收稿日期院2022-11-15袁修回日期院2023-06-08冤Research Status of Gait Recognition Based on Pressure SensingHUANG Kai1袁 ZHOU Xu鄄hui2袁 MEI Jian1袁 ZOU Qing鄄yu2渊1.College of Information and Control Engineering袁 Jilin University of Chemical Technology曰2.School of Electrical and Information Engineering袁 Beihua University冤AbstractIn this paper袁 the research status of gait recognition technologies for pressure sensing directionin recent years was summarized and two application directions of wearable sensor and floor pressure sensorwere expounded袁 respectively袁 including analysis袁 comparison of their strengths and weaknesses and theprospect of the gait recognition technologies.Key wordsgait recognition袁 pressure sensing袁 sensor袁 artificial intelligence严正声明接各大数据库通知袁我刊已发表的个别稿件重复率超标袁而我刊接收稿件时重复率已控制在 15%以下袁故此敬告作者院若因作者一稿多投袁或因未能妥善保管自己的稿件造成他人在他刊先发袁导致在我刊出刊前重复率超标的袁本刊将对此稿件做退稿处理袁费用概不返还遥410