基于足底压力分布时空HOG特征的步态识别方法.pdfVIP

第 26卷 第 6期 模式识别与人工智能 V01．26 No．6 2013年6月 PR AI Jun 2013 基于足底压力分布时空HoG特征的 步态识别方法米 夏 懿 ’ 马祖长 姚志明 孙怡宁 ’(中国科学技术大学 信息科学技术学院 合肥230026) (中国科学院合肥智能机械研究所 运动健康与信息技术研究中心 合肥 230031) 摘 要 提出_-一种基于足底压力分布时空HOG的步态识别算法，在特征层对足底压力的时间域和空间域信息进 行融合．首先寻找足底总压力时间曲线上的极大值和极小值等几个特征点，利用这几个特征点所对应时刻的足底 压力分布来构建时空HOG特征向量，最后采用SVM进行步态识别．采集不同行走速度下30人的单步足底压力分 布数据进行实验，在不区分样本速度的情况下，该方法的识别率为93．5％．实验结果表明足底压力分布时空 HOG 特征能较好地刻画步态动力学特征 ，且具有良好的速度适应性． 关键词 生物特征识别技术，步态识别，足底压力分布，时空方向梯度直方图 中图法分类号 TP391．4 GaitRecognitionBasedonSpatio-TemporalHoG Featureof PlantarPressureDistribution XIA Yi ，MAZu．Chang ，YAOZhiMing ，SUNYi—Ning (SchoolofInformationScienceandTechnology，UniversityofScienceandTechnologyofChina，Hefei230026) (ResearchCentreforInformationTechnologyofSportsandHealth，InstituteofIntelligentMachines， ChineseAcademyofSciences，Hefei230031) ABSTRACT Agaitrecognitionmethodbasedonspatio—temporalhistogram oforientedrgadient(HOG)is proposed．Spatio—temporalHOG embodiesthefeaturefusion ofspatial andtemporalplantarpressure information．Firstly， severalkey points， such asthe maximum and the minimum points on the pressure—timecurve，arepickedout．Then，plantarpressure distribution imagescorresponding tothe momentofkeypointsareusedtoconstructspatio—temporalHOG featurevector．Finally，suppo~vector machineclassification isapplied to implementgaitclassification．Gaitsamplesare collectedfrom 30 personsatdifferentwalkingspeeds．Whenthewalkingspeedsofthesamplesinthetrainingandtesting setsarenotdifferentiated．therecognitionrate is93．5％ ．Theexperimentalresultsdemonstratethat spatio-temporalHOG feature accurately describesthe